《表4 不同方法钢琴弹奏手部动作识别精度》
表4所示为不同方法的手势识别精度结果,传统方法为只采用时域的统计信息为特征且未采用提出的分层识别算法,使用单一模型进行辨识;本文改进方法为采用本文提出的多模态特征,同时采用本文提出的分层识别算法,使用5个不同的模型进行辨识。从表4可以看出,相比于传统方法,本文提出的方法具有更好的识别性能,提高了手势识别的精度。图9和10所示为传统方法与本文改进方法所有14个类别的混淆矩阵,混淆矩阵的每一列代表预测值,每一行代表的是实际的类别理想情况下。若模型的预测效果好,即所有样本的观测值和预测值一致,则所有样本均出现在混淆矩阵的对角线位置,即对角线上为1,非对角线全为0;若模型的预测效果较差,非对角线位置的数值较大。图9和10中1/2/3/4/5分别表示大拇指/食指/中指/无名指/小指,一个类别中的多个数字则表示不同手指同时弹奏的情况。通过对14类混淆矩阵的比较发现,本文改进识别方法具有较好的识别精度,较好地减小了手势之间的误判。
图表编号 | XD0097362500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 叶素芬、赖际舟、吕品、朱超群 |
绘制单位 | 南京航空航天大学自动化学院、物联网与控制技术江苏省高校重点实验室、南京航空航天大学自动化学院、物联网与控制技术江苏省高校重点实验室、南京航空航天大学自动化学院、物联网与控制技术江苏省高校重点实验室、南京航空航天大学自动化学院、物联网与控制技术江苏省高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |