Kathakali Hand Gesture Recognition With Minimal Data

印度古典舞剧Kathakali有一套名为Mudras的手势，这些手势构成了所有舞蹈动作和姿势的基本单元。识别所描绘的Mudra是数字处理的第一步。该研究将该问题视为一个24类分类任务，并提出了一种基于姿势估计的向量相似度方法，消除了进一步训练或微调的需要。这种方法克服了数据稀缺性的挑战，这限制了AI在类似领域的应用。该方法实现了92%的准确率，这与现有领域中其他基于模型训练的作品相似或更好，而且该方法的优势在于它仍然可以使用仅有1或5个样本的数据大小，虽然性能略有降低。该系统可以处理图像、视频甚至实时流。该系统可以处理手部剪裁或全身图像。该研究还开发并公开了Kathakali Mudra识别数据集。

本论文旨在解决印度古典舞剧Kathakali中手势识别的问题，即如何识别Mudras手势。该问题是否为新问题未作说明。

本文提出了一种基于姿势估计的向量相似度方法，用于Kathakali Mudra识别，无需进一步的训练或微调。该方法克服了数据稀缺性的挑战，可以处理图像、视频甚至实时流。该系统可以处理手部裁剪或全身图像。

实验表明，该方法可以在数据大小仅为1或5个样本的情况下工作，并获得92%的准确率。研究人员还开发并公开了Kathakali Mudra Recognition数据集。本文的亮点包括方法简单且无需大量数据，可以处理不同类型的图像和实时流，准确率高等。

在该领域的相关研究包括：《Hand Gesture Recognition Using Convolutional Neural Networks》、《Hand Gesture Recognition using CNN and RNN with Transfer Learning》等。