来源：期刊VIP网 时间：
作者：陈潘;华杭波;孔明;梁晓瑜;
单位：中国计量大学计量测试工程学院;
摘要：AR设备以第一视角获取的动态手势往往存在手掌角度偏转问题，各关节点位移轨迹相较正视角度发生变化，现有的手掌关节点位移特征无法有效识别，并且受限于AR设备性能，部分神经网络模型无法取得良好表现。针对该应用场景，提出一种使用多特征分级融合的手势识别方法。该方法构造位移、长度、角度三个特征对手势进行描述，并进行向量编码与归一化以消除抖动干扰。根据关节点与标准手势的相似度距离，仿照sigmoid函数分配关节点权重，以加权的动态时间规整（DTW）距离进行KNN匹配，并根据最佳的KNN置信度与特征优先级筛选出最可信的特征识别结果。实验结果表明：该方法能有效识别9种存在角度偏转的动态手势；相较于传统的位移特征方法，该方法的平均准确率提高了4%，能有效应对手掌偏转情况下的动态手势识别问题。
关键词：动态手势识别;;多特征融合;;DTW算法;;关节点;;位移特征;;KNN分类
基金资助：国家市场监督管理总局技术保障专项（2022YJ21）;; 浙江省市场监督管理局科技计划（全额自筹）项目（ZC2023057）
