Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Human-Centered Behavioral Informatics Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

16. Kendon Model-Based Gesture Recognition Using Hidden Markov Model and Learning Vector Quantization

verfasst von : Domenico De Felice, Francesco Camastra

Erschienen in: Quantifying and Processing Biomedical and Behavioral Signals

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The paper presents a dynamic gesture recognizer, that assumes that the gesture can be described by Kendon Gesture model. The gesture recognizer has four modules. The first module performs the feature extaction, using the skeleton representation of the body person provided by NITE library of Kinect. The second module, formed by Learning Vector Quantization, has the task of individuating the initial and the final handposes of the gesture, i.e., when the gesture starts and terminates. The third unit performs the dimensionality reduction. The last module, formed by a discrete Hidden Markov, perfoms the gesture classification. The proposed recognizer compares favourably, in terms of accuracy, most of existing dynamic gesture recognizers.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Evolution Characterization of Alzheimer’s Disease Using eLORETA’s Three-Dimensional Distribution of the Current Density and Small-World Network
Nächstes Kapitel Blood Vessel Segmentation in Retinal Fundus Images Using Hypercube NeuroEvolution of Augmenting Topologies (HyperNEAT)
Fußnoten
1
Recent trackers, prefers to measure orientation by quaternions, instead of usual Euler angles, since Euler angle representation can be affected by the gymbel lock.
 
Literatur
1.
Mitra, S., Acharya, T.: Gesture recognition: a survey. IEEE Trans. Syst. Man and Cyber. Part C: Appl. Rev. 37(3), 311–324 (2007)CrossRef
2.
Kendon, A.: How gestures can become like words. In: Crosscultural perspectives in nonverbal communication, Toronto, Hogrefe, pp. 131–141 (1988)
3.
Madeo, R., Peres, C., de Moraes Lima, S.: Gesture phase segmentation using support vector machines. Expert Syst. Appl. 56, 100–115 (2016)CrossRef
4.
Zhang, Z.: Microsoft kinect sensor and its effect. IEEE Trans. Multimedia 19(2), 4–10 (2012)CrossRef
5.
Davison, A.: Kinect Open Source Programmimg Secrets: Hacking the Kinect with openNI. NITE and Java, Mc Graw Hill Professional (2012)
6.
7.
Kohonen, T., Hynninen, J., Kangas, J., Laaksonen, J., Torkkola, K.: Lvq-pak: The learning vector quantization program package. In: Technical Report A30, Helsinki University of Technology, Laboratory of Computer and Information Science (1996)
8.
Lamberti, L., Camastra, F.: Handy: a real-time three color glove-based gesture recognizer with learning vector quantization. Expert Syst. Appl. 39(12), 10489–10494 (2012)CrossRef
9.
Biswal, B., Biswal, M., Hasan, S., Dash, P.: Nonstationary power signal time series data classification using lvq classifier. Appl. Soft Computing 18, 158–166 (2014)CrossRef
10.
Melin, P., Amezcua, J., Valdez, F., Castillo, O.: A new neural network model based on the lvq algorithm for multi-class classification of arrhythmias. Inf. Sci. 279, 483–497 (2014)MathSciNetCrossRef
11.
Lamberti, L., Camastra, F.: Real-time hand gesture recognition using a color glove. In: Proceedings of the 16th international conference on Image analysis and processing, ICIAP 2011, Springer Verlag, pp. 365–373 (2011)
12.
Hastie, T., Tibshirani, R., Friedman, R.: The elements of statistical learning. 2nd edn. Springer (2009)
13.
Jollife, I.T.: Principal component analysis. Springer-Verlag, Berlin (1986)CrossRef
14.
Rabiner, L.: A tutorial on hidden markov models and selected applications in speech recognition. Proc. IEEE 77(2), 257–286 (1989)CrossRef
15.
Camastra, F., Vinciarelli, A.: Markovian models for sequential data. In: Machine Learning for Audio, Image and Video Analysis, Springer, pp. 295–340 (2015)
16.
Pedersoli, F., Adami, N., Benini, S., Leonardi, R.: Xkin: extendable hand pose and gesture recognition library for kinect. In: Proceedings of the 20th ACM International Conference on Multimedia, pp. 1465–1468 (2012)
17.
Baum, L., Petrie, T., Soules, G., Weiss, N.: A maximization technique occurring in the statistical analysis of probabilistic functions of markov chains. Ann. Mathe. Statist. 41, 164–171 (1970)MathSciNetCrossRef
18.
Tang, M.: Recognizing hand gestures with microsofts kinect. In: Technical report, University of Stanford, Department of Electrical Engineering (2011)
19.
Sultana, A., Rajapuspha, T.: Vision based gesture recognition for alphabetical hand gestures using the svm classifier. Int. J. Comput. Sci. Eng. Technol. 7(3), 218–223 (2012)
20.
Zhu, Y., Yuan, B.: Real-time hand gesture recognition with kinect for playing racing video games. In: Proceedings of 2014 International Joint Conference on Neural Networks, IEEE, 3240–3246 (2014)
Metadaten
Titel
Kendon Model-Based Gesture Recognition Using Hidden Markov Model and Learning Vector Quantization
verfasst von
Domenico De Felice
Francesco Camastra
Copyright-Jahr
2019
Buch
Quantifying and Processing Biomedical and Behavioral Signals

Print ISBN: 978-3-319-95094-5

Electronic ISBN: 978-3-319-95095-2

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-95095-2_16