모바일 손 제스처 인식을 위한 Deep Fisher 판별학습

제스처 인식은 생체인식 분야에서 어려운 문제 중 하나입니다. 본 논문에서는 Fisher 기준을 양방향 장단기 기억(Bidirectional Long-Short Term Memory, BLSTM) 네트워크와 양방향 게이트 순환 유닛(Bidirectional Gated Recurrent Unit, BGRU)에 통합하여 F-BLSTM과 F-BGRU라는 두 가지 새로운 딥 모델을 제안합니다. 이 두 Fisher 판별력 딥 모델은 인간의 제스처 가속도와 각속도 데이터를 분석하여 제스처를 효과적으로 분류할 수 있습니다. 또한, 우리는 12가지 제스처의 5547개 시퀀스를 포함하는 큰 모바일 제스처 데이터베이스(Mobile Gesture Database, MGD)를 수집하였습니다. MGD 데이터베이스와 두 개의 벤치마크 데이터베이스(즉, BUAA 모바일 제스처 및 스마트워치 제스처)에서 수행된 광범위한 실험을 통해 제안된 네트워크들이 기존의 최신 BLSTM 및 BGRU보다 우수한 성능을 보임을 검증하였습니다.