基于骨骼数据的手势识别的深度学习方法

本文提出了一种基于深度学习模型的新型三维手势识别方法。我们设计了一种新型卷积神经网络（Convolutional Neural Network, CNN），该网络通过并行卷积操作处理手部骨骼关节位置的时间序列数据，并进一步研究了该模型在手势序列分类任务中的性能表现。本方法仅依赖手部骨骼数据，无需深度图像信息。实验结果表明，在一项具有挑战性的数据集（SHREC 2017 3D形状检索竞赛中的DHG数据集）上，与已有公开方法相比，本方法达到了当前最优的识别性能。在14类手势识别任务中，模型取得了91.28%的分类准确率；在28类手势识别任务中，分类准确率达到84.35%。