基于3D Mesh MoSIFT特征描述符的手部精细动作识别

大数据时代对精细运动分析（例如手活动识别）的要求越来越高。 但是，在现实情况下，手活动识别会因光照，姿势和遮挡的变化而面临巨大挑战。 深度采集是解决上述问题的有效途径。 本文提出了一个完整的手活动识别结合深度信息框架，用于精细运动分析。 首先，将改进的图形切割方法引入到手的定位和随时间的跟踪中。 然后，结合3D几何特征和手部行为先验信息，提出了3D Mesh MoSIFT特征描述符来表示手部活动的判别性质。 仿真正交匹配追踪（SOMP）用于编码视觉代码字。 实验基于公开的深度数据集（ChaLearn手势数据集和捕获的RGB-D数据集）。 与以前的流行方法相比，我们的框架通过有效性，鲁棒性和通用性的精细运动分析，在现实世界中的应用程序中始终具有更好的性能。