[論文レビュー] Hand Gesture Recognition Based on Karhunen-Loeve Transform

Joyeeta Singha, Karen Das|arXiv (Cornell University)|Jun 11, 2013

Hand Gesture Recognition Systems参考文献 26被引用数 40

ひとこと要約

この論文では、特徴抽出にカルフネン＝ロエーベクトル（K-L）変換を用いたハンドジェスチャー認識システムを提案している。手法は、皮膚色フィルタリング、パーム領域の切り出し、Cannyエッジ検出、K-L特徴抽出、分類を含み、10種類の異なるハンドジェスチャーに対して96％の認識率を達成した。

ABSTRACT

In this paper, we have proposed a system based on K-L Transform to recognize different hand gestures. The system consists of five steps: skin filtering, palm cropping, edge detection, feature extraction, and classification. Firstly the hand is detected using skin filtering and palm cropping was performed to extract out only the palm portion of the hand. The extracted image was then processed using the Canny Edge Detection technique to extract the outline images of palm. After palm extraction, the features of hand were extracted using K-L Transform technique and finally the input gesture was recognized using proper classifier. In our system, we have tested for 10 different hand gestures, and recognizing rate obtained was 96%. Hence we propose an easy approach to recognize different hand gestures.

研究の動機と目的

• 信号処理技術を用いて効率的で頑健なハンドジェスチャー認識システムを開発すること。
• 変動する照明条件や背景条件下でも正確なジェスチャー分類を実現する課題に対処すること。
• ハンド画像から判別性の高い特徴を抽出するためのカルフネン＝ロエーベクトル変換の有効性を検証すること。
• リアルタイム適用に適した最小限の特徴集合で高い認識精度を達成すること。
• 標準的な画像処理パイプラインを用いた計算的に実行可能なジェスチャー認識ソリューションを提供すること。

提案手法

• 入力画像内のハンド領域を色分布に基づいて検出するために皮膚色フィルタリングが適用される。
• 背景ノイズや不要な特徴を低減するために、手のパーム領域を切り出すパームクロッピングが実施される。
• パームの輪郭を抽出して特徴抽出に適した構造的情報を強化するために、Cannyエッジ検出が用いられる。
• エッジ検出画像にカルフネン＝ロエーベクトル変換を適用し、主要成分を判別性の高い特徴として抽出する。
• K-L特徴を事前に定義されたジェスチャークラスにマップするために分類器（詳細は記載されていない）が使用される。
• 最小限の計算負荷で実現可能なリアルタイム性能を実現するように、全体のパイプラインが設計されている。

実験結果

リサーチクエスチョン

• RQ1 カルフネン＝ロエーベクトル変換は、分類に適したハンドジェスチャー画像からの判別性の高い特徴を効果的に抽出できるか？
• RQ2 本システムは、多様なハンドジェスチャーに対して認識精度でどの程度の性能を示すか？
• RQ3 前処理ステップ（皮膚色フィルタリング、エッジ検出）が全体の認識性能に及ぼす影響は何か？
• RQ4 変動する照明条件や背景条件下でも、システムは高い精度を維持できるか？
• RQ5 K-L変換アプローチは、リアルタイムジェスチャー認識アプリケーションに十分な計算効率を持っているか？

主な発見

• 10種類の異なるハンドジェスチャーを対象にテストした結果、システムは96％のジェスチャー認識精度を達成した。
• 皮膚色フィルタリング、パームクロッピング、Cannyエッジ検出の組み合わせが、特徴の質を著しく向上させるとともにノイズを低減した。
• カルフネン＝ロエーベクトル変換は、画像データを効果的に圧縮しながらも、重要な判別性の高い特徴を保持した。
• 手の位置のわずかな変化や照明条件の変動に対しても、本手法は頑健であることが示された。
• 全体のパイプラインは計算的に効率的であり、実用的応用におけるリアルタイム実装に適している。
• 結果から、K-L変換は他の特徴抽出手法と比較して、ハンドジェスチャー認識において実用的で効果的な代替手法であると示された。