摘要
手势识别是计算机视觉和模式识别领域的热门话题，在自然的人机界面中发挥着至关重要的作用。尽管近年来取得了显著进展，但快速且鲁棒的手势识别仍然是一个开放问题，因为现有的方法尚未同时很好地平衡性能和效率。为了解决这一问题，本研究结合图像熵和密度聚类技术，从手部动作视频中提取关键帧以进行进一步的特征提取，从而提高识别效率。此外，还提出了一种特征融合策略，以进一步提升特征表示能力，进而提高识别性能。为了在“野外”环境中验证我们的方法，我们还引入了两个新的数据集，分别称为HandGesture（手部动作）和Action3D（三维动作）数据集。实验结果一致表明，我们的策略在西北大学、剑桥大学、HandGesture 和 Action3D 手势数据集上均取得了具有竞争力的结果。我们的代码和数据集将在 https://github.com/Ha0Tang/HandGestureRecognition 上发布。