基于Kinect的手势数据库及动静态手势识别算法
基于手势的人机交互以其自然直观性受到了人机交互领域的持续关注,越来越多的手势研究催生了对手势数据库的需求.本文介绍了一个最新的基于彩色深度数据的手势数据库,并提出了一种基于规则的动态及静态手势识别算法.本文首先提出了一个基于Kinect的手势数据库平台(SCUT-DCHG),包括在各种距离条件下,多人次录制的九种静态手势、十三种动态手势,及其交互式的录制平台和两个数据标注工具,便于数据扩展和手部轮廓标注.进一步,基于该数据库,针对动态和静态手势,分别提取手势特征,分析手势之间的特点和差异,提出基于规则的快速分类算法.实验数据表明,动、静态手势识别综合准确率为95.5％,其中动态和静态手势识别率分别为96.2％和94.4％,充分证明了算法的有效性和可用性.
手势数据库 手势识别 规则性 特征提取 深度传感器
张鑫 钱伟 安文韬 钟铮扬 金连文
华南理工大学电子与信息学院,广东省 广州市 560006 School of Electronic Engineering, Rutgers University, New Jersey, USA, 08901
国内会议
珠海
中文
173-178
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）