[论文解读] 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 5

一句话总结

该论文提出了一种手势识别方法，通过使用加权图路径搜索方法聚焦关键动作，增强对相似手势的区分能力。该方法通过光流提取运动特征，将其投影到特征空间，并应用最优路径搜索以突出显著的手势片段，在实验中实现了对相似手语词汇识别准确率的提升。

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.

研究动机与目标

• 通过强调关键动作片段来提高对相似手势的识别能力。
• 解决在手语手势中区分细微差异的挑战。
• 开发一种动态识别并优先处理手势序列中重要动作的方法。
• 通过聚焦具有区分性的运动模式来增强特征表示。
• 在真实手语词汇识别任务上验证该方法的有效性。

提出的方法

• 使用光流图像从视频序列中提取运动特征。
• 将运动特征投影到特征空间，以降低维度并捕捉主成分。
• 构建加权图，其中节点表示特征向量，边表示时间上的转移，权重基于运动显著性。
• 在图上应用最优路径搜索算法，以识别最具区分性的动作片段。
• 选择累积权重最大的路径作为分类的代表性序列。
• 通过为对区分相似手势贡献最大的片段分配更高权重，聚焦高影响力动作。

实验结果

研究问题

• RQ1 如何使手势识别系统更好地区分相似手语手势？
• RQ2 关键动作片段在提升识别准确率中起到什么作用？
• RQ3 在加权图中使用路径搜索方法能否有效识别并优先处理手势序列中的重要动作？
• RQ4 聚焦显著动作对识别相似手势的性能有何影响？
• RQ5 特征空间表示在多大程度上增强了手势识别中的特征区分能力？

主要发现

• 所提出的方法通过聚焦关键动作片段，显著提高了对相似手语词汇的识别准确率。
• 在加权图中应用路径搜索方法，成功识别并强调了具有区分性的运动模式。
• 在特征空间中的特征表示增强了系统区分细微手势差异的能力。
• 实验结果表明，优先处理重要动作的策略优于传统方法。
• 该方法在测试的手语词汇数据集上实现了可测量的识别率提升。
• 使用加权图路径搜索实现了对显著动作的动态聚焦，提升了对手势变异的鲁棒性。