基于leapmotion的动态手势识别

基于leapmotion的动态手势识别(中文4200字,英文PDF)
摘要   
动态手势识别是模式识别和计算机视觉社区中一项至关重要且具有挑战性的任务。本文提出了一种适用于表示动态手势的水平特征向量，并提出了一种用Leap Motion控制器（LMC）识别动态手势的令人满意的解决方案。这些在其他论文中没有报道。计算具有深度信息的特征向量并将其馈送到隐藏条件神经场（HCNF）分类器以识别动态手势。该方法的系统框架包括两个主要步骤：特征提取和HCNF分类器的分类。所提出的方法在两个动态手势数据集上进行评估，其中帧使用LMC获取。对于Handicraft-Gesture数据集，识别率为95.0％，和对于LeapMotion-Gesture3Ddatase，识别率为89.5％。实验结果表明，该方法适用于某些动态手势识别任务。
关键词： 深度数据，动态手势识别，隐藏条件神经场（HCNF），leapmotion控制器（LMC）。