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:
Motion and Depth Assisted Workload Prediction for Parallel View Synthesis Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Sparse Representation Based Approach for RGB-D Hand Gesture Recognition

verfasst von : Te-Feng Su, Chin-Yun Fan, Meng-Hsuan Lin, Shang-Hong Lai

Erschienen in: Advances in Multimedia Information Processing -- PCM 2015

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this paper, we present a new algorithm for RGB-D hand gesture recognition by using multi-attribute sparse representation enforced with group constraints. Firstly, the hand region is segmented from the background according to the depth information. Then, we process all gesture-performing hand region images with PCA to reduce the feature dimension. To obtain a more accurate and discriminative representation, a multi-attribute sparse representation is employed for hand gesture recognition from different view angles. The multiple attributes for a gesture image can be represented by individual binary matrices to indicate the group properties for each gesture. Then, these attribute matrices are incorporated into the formulation of l 1-minimization in the sparse coding framework. Finally, the effectiveness and robustness of the proposed method are demonstrated through experiments on a public RGB-D hand gesture dataset.

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 Real-Time Understanding of Abnormal Crowd Behavior on Social Robots
Nächstes Kapitel Eye Gaze Correction for Video Conferencing Using Kinect v2
Literatur
1.
Pavlovic, V., Sharma, R., Huang, T.: Visual interpretation of hand gestures for human-computer interaction: A review. IEEE Trans. Pattern Anal. Mach. Intell. 19(7), 677–695 (1997)CrossRef
2.
Erol, A., Bebis, G., Nicolescu, M., Boyle, R., Twombly, X.: Vision based hand pose estimation: A review. Comput. Vis. Image Underst. 108(1-2), 52–73 (2007)CrossRef
3.
de La Gorce, M., Fleet, D., Paragios, N.: Model-based 3d hand pose estimation from monocular video. IEEE Trans. Pattern Anal. Mach. Intell. 33(9), 793–1805 (2011)
4.
Suarez, J., Murphy, R.R.: Hand gesture recognition with depth images: a review. In: IEEE RO-MAN (2012)
5.
Gustus, A., Stillfried, G., Visser, J., Jorntell, H., van der Smagt, P.: Human hand modelling: kinematics, dynamics, applications. Biol. Cybern. 106(11-12), 741–755 (2012)MathSciNetCrossRefMATH
6.
El-Sawah, A., Georganas, N., Petriu, E.: A prototype for 3-D hand tracking and gesture estimation. IEEE Trans. Instrum. Meas. 57(8), 1627–1636 (2008)CrossRef
7.
Bretzner, L., Laptev, I., Lindeberg, T.: Hand gesture recognition using multi-scale colour features, hierarchical models and particle filtering. In: International Conference on Automatic Face Gesture Recognition (2002)
8.
McKenna, S., Morrison, K.: A comparison of skin history and trajectory-based representation schemes for the recognition of user specific gestures. Pattern Recogn. 37(5), 999–1009 (2004)CrossRef
9.
Imagawa, K., Matsuo, H., Taniguchi, R., Arita, D., Lu, S., Igi, S.: Recognition of local features for camera-based sign language recognition system. In: International Conference on Pattern Recognition (2000)
10.
Dardas, N.H., Georganas, N.D.: Real-time hand gesture detection and recognition using bag-of-features and support vector machine techniques. IEEE Trans. Instrum. Measur. 60(11), 3592–3607 (2011)CrossRef
11.
Wright, J., Yang, A.Y., Ganesh, A., Sastry, S.S., Ma, Y.: Robust face recognition via sparse representation. IEEE Trans. Pattern Anal. Mach. Intell. 31(2), 210–227 (2009)CrossRef
12.
Zafeiriou, S., Petrou, M.: Sparse representations for facial expressions recognition via l1 optimization. In: IEEE Computer Vision and Pattern Recognition Workshops (2010)
13.
Liu, W., Song, C., Wang, Y.: Facial expression recognition based on discriminative dictionary learning. In: International Conference on Pattern Recognition (2012)
14.
Tibshirani, R.: Regression shrinkage and selection via the lasso (Series B). J. Royal Statist. Soc. 58, 267–288 (1996)MathSciNetMATH
15.
Osborne, M.R., Presnell, B., Turlach, B.A.: On the lasso and its dual. J. Comput. Graphical Stat. 9, 319–337 (1999)MathSciNet
16.
Chiang, C.-K., Su, T.-F., Yen, C., Lai, S.-H.: Multi-attribute sparse representation with group constraints for face recognition under different variations. In: IEEE International Conference on Automatic Face and Gesture Recognition, Shanghai, China, April 2013
Metadaten
Titel
Sparse Representation Based Approach for RGB-D Hand Gesture Recognition
verfasst von
Te-Feng Su
Chin-Yun Fan
Meng-Hsuan Lin
Shang-Hong Lai
Copyright-Jahr
2015
Buch
Advances in Multimedia Information Processing -- PCM 2015

Print ISBN: 978-3-319-24077-0

Electronic ISBN: 978-3-319-24078-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-24078-7_57

Neuer Inhalt

    Bildnachweise