[論文レビュー] Gesture Recognition with a Focus on Important Actions by Using a Path Searching Method in Weighted Graph

Kazumoto Tanaka|ArXiv.org|Dec 9, 2009

Hand Gesture Recognition Systems参考文献 10被引用数 5

ひとこと要約

本稿では、重み付きグラフパス探索法を用いて重要な動きに注目することで、類似した符号の区別を向上させるジェスチャー認識手法を提案する。光学フローを用いて動き特徴を抽出し、固有空間に投影して次元削減を行い、最適パス探索により顕著なジェスチャー部分を強調する。実験では、類似した手話語の認識精度が向上した。

ABSTRACT

This paper proposes a method of gesture recognition with a focus on important actions for distinguishing similar gestures. The method generates a partial action sequence by using optical flow images, expresses the sequence in the eigenspace, and checks the feature vector sequence by applying an optimum path-searching method of weighted graph to focus the important actions. Also presented are the results of an experiment on the recognition of similar sign language words.

研究の動機と目的

• 類似ジェスチャーの認識を向上させるために、重要な行動部分に注目すること。
• 手話ジェスチャーの微細な違いを区別する課題に対処すること。
• ジェスチャー列における重要な行動を動的に特定・優先順位付けする手法を開発すること。
• 特徴表現を、識別的な動きパターンに注目することで向上させること。
• 本手法を実際の手話語認識タスクで検証すること。

提案手法

• 動画シーケンスから動き特徴を抽出するために、光学フロー画像が用いられる。
• 動き特徴は固有空間に投影され、次元削減と主要成分の抽出が行われる。
• ノードが特徴ベクトルを表し、エッジが時間的遷移を表す重み付きグラフが構築される。重みは動きの重要性に基づく。
• 最適パス探索アルゴリズムがグラフに適用され、最も識別的な行動部分が特定される。
• 累積重みが最大となるパスが分類のための代表シーケンスとして選択される。
• 識別に寄与する最も大きな影響を持つセグメントに高い重みを割り当てることで、高影響行動に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 ジェスチャー認識システムは、どのように類似した手話ジェスチャーをよりよく区別できるか？
• RQ2 重要な行動部分は、認識正確性の向上にどのような役割を果たすか？
• RQ3 重み付きグラフにおけるパス探索法は、ジェスチャー列における重要な行動を効果的に特定・優先順位付けできるか？
• RQ4 顕著な行動に注目することで、類似ジェスチャーの認識に与える影響は何か？
• RQ5 固有空間表現は、ジェスチャー認識における特徴の識別性をどの程度向上させるか？

主な発見

• 提案手法は、重要な行動部分に注目することで、類似した手話語の認識正確性を顕著に向上させた。
• 重み付きグラフにおけるパス探索法は、識別的な動きパターンを効果的に特定・強調できた。
• 固有空間における特徴表現は、微細なジェスチャー差を区別する能力を向上させた。
• 実験結果から、重要な行動を優先することで、従来手法よりも優れた性能が得られた。
• テストされた手話語データセットにおいて、認識率に測定可能な向上が得られた。
• 重み付きグラフパス探索の使用により、顕著な行動に動的に焦点を当てることができ、ジェスチャーのばらつきに対するロバスト性が向上した。