초록
제스처 인식은 자연적인 인간-컴퓨터 인터페이스에서 중요한 역할을 하는 컴퓨터 비전과 패턴 인식 분야의 핫 이슈입니다. 최근에 많은 발전이 이루어졌지만, 빠르고 강건한 손 제스처 인식은 여전히 해결되지 않은 문제로 남아 있습니다. 기존 방법들은 성능과 효율성을 동시에 잘 균형 잡지 못하고 있기 때문입니다. 이를 해결하기 위해 본 연구에서는 이미지 엔트로피와 밀도 클러스터링을 결합하여 손 제스처 동영상에서 주요 프레임을 추출하여 추가적인 특징 추출을 수행하는 방법을 제안합니다. 이는 인식의 효율성을 향상시키는데 도움이 됩니다. 또한, 특징 융합 전략도 제안되어 특징 표현을 더욱 개선하며, 이는 인식 성능을 높이는 데 기여합니다. 우리의 접근법이 실제 환경에서 검증될 수 있도록 하기 위해, 우리는 HandGesture와 Action3D라는 두 가지 새로운 데이터셋을 소개합니다. 실험 결과는 일관되게 노스웨스턴 대학, 캠브리지, HandGesture 및 Action3D 손 제스처 데이터셋에서 우리의 전략이 경쟁력 있는 결과를 달성함을 보여줍니다. 우리의 코드와 데이터셋은 https://github.com/Ha0Tang/HandGestureRecognition 에서 공개될 예정입니다.