文献类型：期刊文章

作　　者：李敬华[1] 淮华瑞[1] 孔德慧[1] 王立春[1] 孙艳丰[1]

LI Jinghua;HUAI Huarui;KONG Dehui;WANG Lichun;SUN Yanfeng(Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology,Beijing University of Technology, Beijing 100124, China)

机构地区：[1]北京工业大学信息学部多媒体与智能软件技术北京市重点实验室,北京100124

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(61402024;61602486);北京市自然科学基金资助项目(4152009);北京市教育委员会科技计划资助项目(KM201710005022)

年　　份：2019

卷　　号：45

期　　号：5

起止页码：428-435

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了挖掘基于视频的动态手势识别问题中手势的固有时空表示,提出一种3D-2D受限玻尔兹曼机(restricted Boltzmann machine,RBM)模型,以便建模手势视频数据的时空相关信息.特别地,为了更好地描述动态手势的时空特征,提出传统手工定义特征与3D-2D RBM结合的混合特征表示方法,该方法首先提取Canny-2D HOG表观特征以及光流-2D HOG运动特征,然后基于3D-2D RBM进一步学习动态手势潜在的高层时空语义特征,提升动态手势的特征描述力.融合手势外观判别和运动判别的双通道融合判别改进了单通道分类的能力.在公开的剑桥手势数据集上的实验验证了所提方法的有效性和优越性.

关 键 词：3D-2D受限玻尔兹曼机  梯度直方图 光流 动态手势识别

分 类 号：U004[交通运输类] TP391]