10.3969/j.issn.0372-2112.2013.11.018
基于小样本学习的3D 动态视觉手势个性化交互方法
传统的动态手势交互技术如隐马尔科夫模型、神经网络和统计分类器等都需要大量的训练样本，建模过程中需要领域专家的干预、对普通用户来说使用起来较为困难，并且它们针对的是特定的手势集合，很难对其进行扩展。本文通过WOZ实验，分析了用户的行为特征并给出了基于手势的数字电视交互任务模型；提出了3D动态手势状态转移模型，解决了Midas Touch问题；提出了一种基于小样本学习的动态手势识别方法，解决了传统手势识别方法的缺点；构建了个性化手势设计平台，满足了用户的个性化定制需求；实验评估结果验证了本文方法的有效性。
人机交互、视觉手势、小样本学习、个性化交互
TP391(计算技术、计算机技术)
国家自然科学基金No ．61202344，No ．61073132；高校基本科研业务费中山大学青年教师培育No ．1209119-17000-3161120；中山大学958工程“全媒体时代的新闻传播创新基地”．90027-3284200
2013-12-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
2230-2236
