资料下载
×
基于CNN的Leap Motion手部运动数据优化方法
消耗积分:0 |
格式:rar |
大小:3.56 MB |
2021-04-21
分享资料个
为提高 Leap Motion设备的采集精准度，解决自遮挡、采样频率不稳定等设备固有问题，首先，设计了使用Leap Motion和动作捕捉设备的手部多模态同步运动采集方案，采集了日常动作数据集;其次，提出了基于卷积神经网络（ convolutional neural network，CNN的 Leap Motion手部运动数据优化方法，使用日常动作数据集训练 Leap Motion数据到动作捕捉数据的映射网络;最后，提出手指平面约東，确保网络输出数据保持稳定的手部骨骼结构。通过15名志愿者采集了6类动作共967550帧的同步运动数据集，进行了手指平面约束有效性、动作一致性实验，并与双向循环自编码器（ bidirectional recurrent autoencoder，BRA）、双向编解码器（ encoder- bidirectional- decoder，EBD）方法进行了精度对比。结果表明，文中方法支持使用 Leap Motion获取固定采样频率且近似动捕设备精度的手部运动数据，效果较BRA和EBD更加稳定平滑。将文中方法应用于康复游戏中，明显减少了交互动作识别的错误次数。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
