论文部分内容阅读
在动态手势识别方法中,现有多模输入策略易忽略手势类别局部信息与全局信息的差异性,同时现有决策级融合对各通道数据预测结果采用均值操作,不能充分利用在识别中起关键性作用的特征信息.提出了一种多线索自适应驱动算法:采用多线索输入策略融合各模态数据的局部与全局信息,构建2D与3D卷积神经网络级联框架提取手势特征,设计自适应融合策略为各通道预测结果赋予不同的权重.在SKIG数据集和IsoGD公开数据集上的实验结果证明了该算法的有效性,取得了与当前主流算法相当的动态手势识别效果.