.png){kind=icon}
返回
Fusing Skeleton-Based Scene Flow for Gesture Recognition on Point Clouds
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14030567.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态手势识别最近旨在通过利用深度图像中的点云来学习静态和运动特征。然而，某些像素与手势之间的弱相关性使得提取的动态特征冗余。当在更大的特征空间中搜索点和相邻点保持运动一致性时，更详细的运动会被忽略。为提高捕捉精细动态特征的能力并增强点云与手势的相关性，我们提出了一种新颖的融合骨架场景流的手势识别方法（FSS-GR），以实现更高的识别精度。首先，骨架被自动转换为点云对。基于源点云和目标点云之间的时间间隔以及场景流测量指标，获得四个场景流估计器。为最小化捕捉精细信息的额外成本，场景流在融合前被用作数据集。然后，深度图像中的粗粒度动态特征与获得的场景流通过不同策略进行融合，从而为各种场景提供模型复杂度与识别性能之间的灵活权衡。在SHREC'17和DHG上的综合实验和消融研究证明，FSS-GR比当前最优方法实现了更高的精度。
Keyword:
dynamic gesture recognition
scene flow
point cloud
skeleton
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
暂无机构信息
引用论文
.png){kind=icon}
Large-Scale Gesture Recognition With a Fusion of RGB-D Data Based on Saliency Theory and C3D Model
PREAI
分享收藏Visual SLAM in Dynamic Environments Based on Object Detection and Scene Flow基于目标检测和场景流动态环境下的视觉SLAM
PREAI
分享收藏
查看更多内容