• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Machine Intelligence, IEEE Transactions on >Online Gesture Spotting from Visual Hull Data
【24h】

Online Gesture Spotting from Visual Hull Data

机译：从Visual Hull数据在线发现手势

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a robust framework for online full-body gesture spotting from visual hull data. Using view-invariant pose features as observations, hidden Markov models (HMMs) are trained for gesture spotting from continuous movement data streams. Two major contributions of this paper are 1) view-invariant pose feature extraction from visual hulls, and 2) a systematic approach to automatically detecting and modeling specific nongesture movement patterns and using their HMMs for outlier rejection in gesture spotting. The experimental results have shown the view-invariance property of the proposed pose features for both training poses and new poses unseen in training, as well as the efficacy of using specific nongesture models for outlier rejection. Using the IXMAS gesture data set, the proposed framework has been extensively tested and the gesture spotting results are superior to those reported on the same data set obtained using existing state-of-the-art gesture spotting methods.
机译：本文为从视觉船体数据进行在线全身手势识别提供了一个强大的框架。使用视图不变的姿势特征作为观测值，可以对隐藏的马尔可夫模型（HMM）进行训练，以从连续运动数据流中发现手势。本文的两个主要贡献是：1）从视觉船体中提取视图不变的姿势特征，以及2）一种自动检测和建模特定非手势运动模式并将其HMM用于手势识别中的异常剔除的系统方法。实验结果表明，所提出的姿势特征对于训练姿势和训练中看不到的新姿势均具有视不变性，以及使用特定的非手势模型进行异常排除的功效。使用IXMAS手势数据集，已对所提出的框架进行了广泛的测试，并且手势识别结果优于使用现有最新手势识别方法获得的同一数据集上报告的手势识别结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号