10、基于多骨骼特征的动态手势识别与运动轨迹时间缩放算法

基于多骨骼特征的动态手势识别与运动轨迹时间缩放算法

在计算机视觉领域，手势识别和机器人运动轨迹规划是两个重要的研究方向。本文将介绍基于多骨骼特征的动态手势识别方法以及一种改进的运动轨迹时间缩放算法。

基于多骨骼特征的动态手势识别

传统的基于骨骼的手势识别方法存在一些局限性。例如，需要从 RGB 或深度图像中估计人体骨骼点，这本身就具有一定难度，而且骨骼点的质量对模型准确性影响很大。此外，骨骼坐标数据难以准确表示手部的各种运动特征。

为了解决这些问题，研究引入了骨骼关节距离（JCD）和关节连接角度（JCA）特征。JCD 特征能有效减少手部整体旋转产生的噪声，但当手部靠近或远离相机时，由于物体距离变化，JCD 特征会引入新的噪声。而 JCA 特征在手部仅做靠近或远离运动时，其角度不会改变，因此将其引入网络可以进一步提高识别性能。

多骨骼特征

• JCA 特征定义 ：为了计算 JCA 特征，仅使用五根手指的关节连接（共 16 个向量）以降低计算复杂度。其定义如下：
  [
  JCA_{n_{i,j}} = angle(i, j) = \arccos\left(\frac{\vec{i}\cdot\vec{j}}{|\vec{i}||\vec{j}|}\right) \quad {i \neq j}
  ]
  [
  JCA_n =
  \begin{bmatrix}
  JCA_{n_{2,1}} \
  \vdots \
  JCA_{n_{5,1}} & \cdots & JCA_{n_{5,4}}
  \end