基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
手势识别旨在理解人体的动态手势,是人机交互领域极其重要的交互方式之一.该方法通过将二维稠密网扩展为三维稠密网,并加入Inception结构,提出了一种基于浅三维稠密网的多模态手势识别方法,将其命名为Spatial Temporal 3D(ST3D) dense network.所提出的方法在手势识别公开数据集大规模离散手势数据集(IsoGD)上进行了评估,并取得了目前最好效果.实验证明,所提方法能够有效地学习到视频样本中手势的短期、中期以及长期时空特征.
推荐文章
基于多尺度分析的三维人脸识别
三维人脸识别
多尺度分析
特征提取
特征匹配
基于伪三维卷积神经网络的手势姿态估计
手势姿态估计
伪三维卷积神经网络
三维特征
深度图像
深度学习
基于深度图像和稀疏表示的多手势识别算法
深度图像
稀疏表示
多目标手势
手势分割
手势识别
一种用于三维重建的彩色Sift准稠密匹配算法
彩色Sift
区域增长
准稠密匹配
视差约束
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于浅三维稠密网的多模态手势识别算法
来源期刊 计算机工程与应用 学科 工学
关键词 ST3D方法 Inception结构 多模态 手势识别
年,卷(期) 2019,(19) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 166-172
页数 7页 分类号 TP391.4
字数 4159字 语种 中文
DOI 10.3778/j.issn.1002-8331.1806-0271
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘宏哲 北京联合大学北京市信息服务工程重点实验室 51 498 12.0 21.0
2 袁家政 北京开放大学科学研究处 10 8 2.0 2.0
3 张宏源 北京联合大学北京市信息服务工程重点实验室 2 1 1.0 1.0
4 原春锋 中国科学院自动化研究所模式识别重点实验室 3 3 1.0 1.0
5 邓智方 北京联合大学北京市信息服务工程重点实验室 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (2)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
ST3D方法
Inception结构
多模态
手势识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导