Deep Learning for Hand Gesture Recognition on Skeletal Data

Guillaume Devineau; Wang Xi; Fabien Moutarde; Jie Yang

Deep Learning for Hand Gesture Recognition on Skeletal Data

Guillaume Devineau ¹ Wang Xi ² Fabien Moutarde ¹ Jie Yang ²

2 Shanghai Jiao Tong University [Shanghai]

Abstract : — In this paper, we introduce a new 3D hand gesture recognition approach based on a deep learning model. We introduce a new Convolutional Neural Network (CNN) where sequences of hand-skeletal joints' positions are processed by parallel convolutions; we then investigate the performance of this model on hand gesture sequence classification tasks. Our model only uses hand-skeletal data and no depth image. Experimental results show that our approach achieves a state-of-the-art performance on a challenging dataset (DHG dataset from the SHREC 2017 3D Shape Retrieval Contest), when compared to other published approaches. Our model achieves a 91.28% classification accuracy for the 14 gesture classes case and an 84.35% classification accuracy for the 28 gesture classes case.

Type de document :

Communication dans un congrès

Domaine :

Informatique [cs] / Vision par ordinateur et reconnaissance de formes [cs.CV]

Liste complète des métadonnées

Littérature citée [47 références] Voir Masquer Télécharger

https://hal-mines-paristech.archives-ouvertes.fr/hal-01737771
Contributeur : Fabien Moutarde <>
Soumis le : jeudi 22 mars 2018 - 16:02:17
Dernière modification le : lundi 12 novembre 2018 - 10:55:00
Document(s) archivé(s) le : mardi 11 septembre 2018 - 08:24:42

DeepLearning-HandSkeletalGestu...

Fichiers produits par l'(les) auteur(s)

Deep Learning for Hand Gesture Recognition on Skeletal Data

Fichier

Identifiants

Collections

Citation

Exporter

Métriques

488

2649

Contact

Deep Learning for Hand Gesture Recognition on Skeletal Data

Fichier

Identifiants

Collections

Citation

Exporter

Partager

Métriques

488

2649

Contact