典型文献
基于时空图神经网络的手势识别
文献摘要：
随着感知计算以及传感器集成技术的发展,使用各种传感设备实时捕捉的手势运动数据,为人机交互提供了新的驱动力,并被广泛地应用于智能家居、远程医疗、虚拟现实等领域.由于手势动作具有时序性与空间连接性,因此在手势识别中需要考虑手势空间连接关系和手势长距离依赖特性.然而现有的手势识别方法忽略了上述两种特性,导致识别精度不高.本文提出了基于时空图神经网络的手势识别算法,该方法从传感器空间分布角度出发,基于传感器的空间位置信息,借助图神经网络(Graph Neural Networks,GNN)对手势数据之间的空间关联性进行表征,并引入门控循环单元(Gated Recurrent Unit,GRU)解决手势的时序性和长距离依赖问题,增强手势识别性能.在多种数据集上的实验结果证明本文方法可行且有效.
文献关键词：
手势识别;多传感器融合;时空图神经网络;循环神经网络
中图分类号：
作者姓名：
袁冠;邴睿;刘肖;代伟;张艳梅;蔡卓
作者机构：
矿山数字化教育部工程研究中心,江苏徐州221116;中国矿业大学计算机科学与技术学院,江苏徐州221116;中国矿业大学信息与控制工程学院,江苏徐州221116
文献出处：
引用格式：
[1]袁冠;邴睿;刘肖;代伟;张艳梅;蔡卓-.基于时空图神经网络的手势识别)[J].电子学报,2022(04):921-931
A类：
B类：
时空图神经网络,手势识别,集成技术,传感设备,运动数据,人机交互,智能家居,远程医疗,手势动作,时序性,空间连接性,长距离依赖,赖特,识别精度,识别算法,空间位置信息,Graph,Neural,Networks,GNN,空间关联性,入门,门控循环单元,Gated,Recurrent,Unit,GRU,强手,识别性,多传感器融合,循环神经网络
AB值：
0.318452
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
