基于视频序列的动态手势识别数据

该数据集包含一系列视频片段，每个片段都展示了一个完整的动态手势过程（如“挥手”、“左滑”、“右滑”、“放大缩小”），并标注了对应的动作类别。数据适用于视频会议中的互动操作、非接触式支付确认、游戏中的技能释放以及机器人的手势引导等。利用该数据训练的模型能够理解手部运动的时序信息，解决了静态手势无法表达连续或过程性指令的难题，极大地丰富了人机交互的维度。动态手势识别的核心是理解手势在时间序列上的变化。具体过程包括：（1）数据收集：录制包含完整动态手势的视频片段，并进行类别标注。（2）数据处理：从视频中采样一系列连续的视频帧序列。再使用一个时空特征提取器来同时编码外观和运动信息。特征提取通过公式 F_dynamic​=Encoderspatio-temporal​({I1,I2​,...,It}) 完成，其中 {I1,...,It} 是视频帧序列, F_dynamic表示视频中手势在高维语义特征空间的映射。（3）模型构建：将提取的时空特征输入分类器，以识别整个序列代表的动态手势。根据公式 P_dynamic_class​=Classifier(F_dynamic) 进行分类,其中Classifier为神经网络分类器，P_dynamic_class为预测类别；关键评估指标为平均分类准确率。

搜集汇总

背景与挑战

背景概述

该数据集是一个专门用于动态手势识别的视频序列数据集，包含84.18条数据，每条数据由视频片段、视频帧序列、类别标注和手势语义特征向量等组成，适用于视频会议、非接触式支付、游戏和机器人引导等场景。数据集通过时空特征提取器编码手势的外观和运动信息，解决了静态手势无法表达连续指令的难题，平均分类准确率达到0.88，极大地丰富了人机交互的维度。