Tiny hand gesture recognition without localization via a deep convolutional network

Bao, Peijun; Maqueda Nieto, Ana Isabel; Blanco Adán, Carlos Roberto del y García Santos, Narciso (2017). Tiny hand gesture recognition without localization via a deep convolutional network. "IEEE Transactions on Consumer Electronics", v. 63 (n. 3); pp. 251-257. ISSN 0098-3063. https://doi.org/10.1109/TCE.2017.014971.

Descripción

Título: Tiny hand gesture recognition without localization via a deep convolutional network
Autor/es:
  • Bao, Peijun
  • Maqueda Nieto, Ana Isabel
  • Blanco Adán, Carlos Roberto del
  • García Santos, Narciso
Tipo de Documento: Artículo
Título de Revista/Publicación: IEEE Transactions on Consumer Electronics
Fecha: 2017
Volumen: 63
Materias:
Palabras Clave Informales: Deep learning; hand gesture recognition; human-machine interface; mobile phone; neural network; no localization; TV
Escuela: E.T.S.I. Telecomunicación (UPM)
Departamento: Señales, Sistemas y Radiocomunicaciones
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (4MB) | Vista Previa

Resumen

Visual hand-gesture recognition is being increasingly desired for human-computer interaction interfaces. In many applications, hands only occupy about 10% of the image, whereas the most of it contains background, human face, and human body. Spatial localization of the hands in such scenarios could be a challenging task and ground truth bounding boxes need to be provided for training, which is usually not accessible. However, the location of the hand is not a requirement when the criteria is just the recognition of a gesture to command a consumer electronics device, such as mobiles phones and TVs. In this paper, a deep convolutional neural network is proposed to directly classify hand gestures in images without any segmentation or detection stage that could discard the irrelevant not-hand areas. The designed hand-gesture recognition network can classify seven sorts of hand gestures in a user-independent manner and on real time, achieving an accuracy of 97.1% in the dataset with simple backgrounds and 85.3% in the dataset with complex backgrounds.

Más información

ID de Registro: 50817
Identificador DC: http://oa.upm.es/50817/
Identificador OAI: oai:oa.upm.es:50817
Identificador DOI: 10.1109/TCE.2017.014971
URL Oficial: https://ieeexplore.ieee.org/document/8103373/
Depositado por: Memoria Investigacion
Depositado el: 26 Jun 2018 16:27
Ultima Modificación: 26 Jun 2018 16:27
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • InvestigaM
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM