基于时间序列手势轮廓模型的动态手势识别

doi:10.3969/j.issn.1000-565X.2015.01.022

华南理工大学学报（自然科学版） ›› 2015, Vol. 43 ›› Issue (1): 140-146.doi: 10.3969/j.issn.1000-565X.2015.01.022

• 计算机科学与技术 • 上一篇

基于时间序列手势轮廓模型的动态手势识别

庞海波¹李占波¹丁友东²

1. 郑州大学软件技术学院，河南郑州 450002 ； 2. 上海大学影视艺术技术学院，上海 200072

收稿日期:2014-02-21 修回日期:2014-09-15 出版日期:2015-01-25 发布日期:2014-12-01
通信作者: 庞海波（1979-），男，博士，讲师，主要从事图像处理和模式识别研究 . E-mail:phb@zzu.edu.cn
作者简介:庞海波（1979-），男，博士，讲师，主要从事图像处理和模式识别研究 .
基金资助:
上海科学与技术委员会攻关研究项目（ 11511503300 ）

Dynamic Gesture Recognition Based on Gesture Contour Model of Time Series

Pang Hai-bo¹ Li Zhan-bo¹ Ding You-dong²

1. School of Software Technology ， Zhengzhou University ， Zhengzhou 450002 ， Henan ， China ；2. School of Film and TV Arts Technology ， Shanghai University ， Shanghai 200072 ， China

Received:2014-02-21 Revised:2014-09-15 Online:2015-01-25 Published:2014-12-01
Contact: 庞海波（1979-），男，博士，讲师，主要从事图像处理和模式识别研究 . E-mail:phb@zzu.edu.cn
About author:庞海波（1979-），男，博士，讲师，主要从事图像处理和模式识别研究 .
Supported by:
Supported by the Scientific and Technological Projects of Shanghai Science and Technology Committee（ 11511503300 ）

摘要/Abstract

摘要： 针对动态手势在时间尺度上的多变性和复杂性，提出了一种动态手势识别框架 .该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像，获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像，并将这些图像用于构成动态手势轮廓模型库，在此模型库基础上，利用相关信息方法和改进的动态时间规整方法完成动态手势的识别 . 实验结果表明，文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性，改进的动态时间规整方法较传统方法具有更高的识别率 .

关键词: 手势识别, 时间序列, 轮廓模型, 相关信息法, 动态时间规整

Abstract: Proposed in this paper is a new dynamic gesture recognition framework to solve time-scale variability and complexity of dynamic gestures. This framework constitutes a dynamic gesture contour image by using the gesture contour in time series ， and calculates the mean and variance images of gray-scale images in different time scales. Furthermore ， these mean and variance images are organized into a dynamic gesture contour model library.On this basis ， dynamic gestures are recognized by using correlated information method and improved dynamic time warping method. Experimental results show that the proposed dynamic gesture contour model is of strong robustness to the dynamic gestures in various time scales ， and that the improved dynamic time warping method helps obtain recognition rate higher than that of the traditional method.

Key words: gesture recognition, time series, contour model, correlated information method, dynamic time warping

中图分类号:

TP391

庞海波李占波丁友东. 基于时间序列手势轮廓模型的动态手势识别[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 140-146.

Pang Hai-bo Li Zhan-bo Ding You-dong. Dynamic Gesture Recognition Based on Gesture Contour Model of Time Series[J]. Journal of South China University of Technology (Natural Science Edition), 2015, 43(1): 140-146.

[1]	赵建东, 朱丹, 刘佳欣. 基于时间序列分解与门控循环单元的地铁换乘客流预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 22-31.
[2]	李智, 陈业航, 冯宝, 等. 基于活动轮廓模型的脑梗死图像分割[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 102-111,124.
[3]	田联房吴啟超杜启亮黄理广李淼张大明. 基于人体骨架序列的手扶电梯乘客异常行为识别[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 10-19.
[4]	王世元王文月钱国兵. 自适应矩估计最大相关熵算法的混沌序列预测[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 20-26,34.
[5]	冯宝陈相猛李浦生陈业航姚楠龙晚生. 小波能量引导下基于活动轮廓模型的部分实性肺结节分割 [J]. 华南理工大学学报（自然科学版）, 2019, 47(2): 41-49,58.
[6]	文志诚陈志刚唐军. 基于时间序列分析的网络安全态势预测[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 137-143,150.
[7]	周智恒钟辉强戴铭. 一种动态的梯度向量流模型[J]. 华南理工大学学报（自然科学版）, 2015, 43(9): 20-26,33.
[8]	潘改高立群. 改进的参数活动轮廓模型[J]. 华南理工大学学报（自然科学版）, 2013, 41(9): 40-45.
[9]	廖广军曾玮刘屿李致富胡跃明. 基于信息融合的三维人脸识别[J]. 华南理工大学学报（自然科学版）, 2013, 41(11): 16-22.
[10]	孙承杰刘丰林磊刘秉权. 基于时间序列聚类和ARMA 模型的检索量预测[J]. 华南理工大学学报（自然科学版）, 2011, 39(4): 21-25.
[11]	林培群徐建闽. 一种曲线形态的描述与识别方法及其应用[J]. 华南理工大学学报（自然科学版）, 2009, 37(2): 77-81.
[12]	陶玲钱志余陈春晓. 主动轮廓模型及其在医学体分割中的应用[J]. 华南理工大学学报（自然科学版）, 2008, 36(1): 67-71,75.
[13]	梁俊斌徐建闽. 基于感应线圆的骑线车辆检测方法[J]. 华南理工大学学报（自然科学版）, 2007, 35(7): 20-24.
[14]	鄂加强王耀南龚金科李春生梅炽. 炼铜转炉粗铜成分混沌时问序列的软测量模型及应用[J]. 华南理工大学学报（自然科学版）, 2006, 34(1): 52-56.
[15]	奉国和朱思铭. 改进SVM及其在时问序列数据预测中的应用[J]. 华南理工大学学报（自然科学版）, 2005, 33(5): 19-22.

基于时间序列手势轮廓模型的动态手势识别

Dynamic Gesture Recognition Based on Gesture Contour Model of Time Series

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价