Leap Motion驱动的高精度动态手势识别:98.50%识别率与特征优化

需积分: 50 14 下载量 194 浏览量 更新于2024-09-06 6 收藏 721KB PDF 举报
本文主要探讨了"基于Leap Motion的动态手势识别"这一领域的研究,它在人机交互领域具有重要的实际应用价值。动态手势识别相比于静态手势,其特征更为丰富且变化多端,这对准确捕捉和理解这些复杂的动作至关重要。研究者针对动态手势特征描述不充分的问题,采用高精度的Leap Motion传感器来实时采集手部的三维坐标信息,这是一种先进的硬件设备,以其高精度和低延迟的特点在游戏控制、虚拟现实等领域表现出色。 作者提出了一种创新的手势特征序列,该序列不仅考虑了手指的姿态信息,还包含了手掌的位移数据,这种设计旨在提供更全面的动态手势描述,以便更好地识别复杂的手势动作。他们将这种特征序列与长短期记忆网络(Long Short-Term Memory, LSTM)模型相结合,LSTM是一种特殊的循环神经网络,特别适合处理序列数据,因为它能够有效地捕获长期依赖关系,这对于动态手势识别中的时间序列特征学习非常有帮助。 实验结果显示,该方法在包含16种不同动态手势的数据集中,识别准确率达到了令人满意的98.50%,这表明其在实际应用中具有较高的性能和稳定性。此外,通过与其他特征序列的对比实验,进一步证实了所提出的特征序列在描述动态手势特征方面的优越性,证明了其在复杂动态环境下的识别能力。 本文的贡献在于提出了一种结合Leap Motion传感器和LSTM网络的动态手势识别系统,它提高了动态手势特征的描述精度和识别准确率,对于提升人机交互体验和推动相关技术的发展具有重要意义。关键词包括动态手势识别、Leap Motion传感器、特征提取以及长短期记忆网络,研究被发表在《计算机工程与应用》杂志上,表明了该研究的学术性和实用性。