Recognition performance was evaluat

Recognition performance was evaluated on a database of isolated gesture recordings
made by both the teacher and student using three different matching techniques (L1
norm, L2 norm, and histogram intersection). Overall, both features were very effective
for recognition, with average recognition rates in the range of 90.5% to 99.5%, with
the dance feature showing improved robustness (discounting some errors introduced
by derelict/noisy recordings in gestures G4 and G5). The incorporation of posture transitions
as a descriptor shows a marked boost in recognition performance (across all
matching metrics used) and can be attributed to its detection of temporal ordering
of postures. The bag-of-segments approach to all four descriptors offers flexibility and
generalization across instances of movement recorded from a candidate user: recognition
for which, due to the natural variation of the human when repeating movements
and the sensor noise introduced by the Kinect, can be a challenging task.

ผลลัพธ์ (ไทย) 2:

การรับรู้ผลการดำเนินงานได้รับการประเมินในฐานข้อมูลของบันทึกท่าทางแยก
ทำโดยทั้งครูและนักเรียนใช้สามเทคนิคการจับคู่ที่แตกต่างกัน (L1
บรรทัดฐาน L2 บรรทัดฐานและสี่แยก histogram) โดยรวมคุณสมบัติทั้งสองได้มีประสิทธิภาพมาก
สำหรับการรับรู้ที่มีอัตราการรับรู้เฉลี่ยในช่วงของ 90.5% ถึง 99.5% โดยมี
คุณลักษณะการเต้นรำการแสดงที่ดีขึ้นความทนทาน (ลดข้อผิดพลาดบางแนะนำ
โดยถูกทิ้งร้างบันทึก / มีเสียงดังในท่าทาง G4 และ G5) การรวมตัวกันของการเปลี่ยนท่า
เป็นข้อบ่งชี้แสดงให้เห็นถึงการเพิ่มประสิทธิภาพการทำเครื่องหมายในการรับรู้ (ในทุก
ตัวชี้วัดที่ตรงกับที่ใช้) และสามารถนำมาประกอบกับการตรวจสอบการสั่งซื้อของชั่วคราว
ของท่า กระเป๋าของส่วนวิธีการที่ทั้งสี่อธิบายมีความยืดหยุ่นและ
ทั่วไปทั่วอินสแตนซ์ของการเคลื่อนไหวที่บันทึกไว้จากผู้ใช้ผู้สมัคร: การรับรู้
ที่เนื่องจากการเปลี่ยนแปลงตามธรรมชาติของมนุษย์เมื่อทำซ้ำการเคลื่อนไหว
และเสียงรบกวนเซ็นเซอร์นำโดย Kinect สามารถ เป็นงานที่ท้าทาย

ผลลัพธ์ (ไทย) 3:

การประเมินประสิทธิภาพการบันทึกในฐานข้อมูลแยก )ทำให้ทั้งครูและนักเรียนใช้เทคนิคที่แตกต่างกันสามคู่ ( L1นอร์ม , L2 บรรทัดฐานและ histograms แยก ) โดยรวมแล้วทั้งสองลักษณะมีผลมากสำหรับการรับรู้ กับการรู้จำเฉลี่ยอยู่ในช่วงร้อยละ 90.5 99.5% , กับเต้นคุณลักษณะแสดงการปรับปรุงความทนทาน ( ลดข้อผิดพลาดบางอย่างแนะนำโดยถูกทอดทิ้ง / เสียงดังและบันทึกในท่าทาง G4 G5 ) การเปลี่ยนท่าเป็นหัวเรื่องแสดงเครื่องหมายการเพิ่มประสิทธิภาพ ( ทั่วทั้งหมดตรงกับตัวชี้วัดที่ใช้ ) และสามารถบันทึกการตรวจสอบของชั่วคราวสั่งซื้อของท่า . กระเป๋าของกลุ่มแนวทางทั้งในและมีความยืดหยุ่นการแผ่ขยายข้ามกรณีเคลื่อนไหวบันทึกได้จากผู้สมัครที่ผู้ใช้ : การรับรู้ที่เนื่องจากการเปลี่ยนแปลงธรรมชาติของมนุษย์เมื่อทำซ้ำการเคลื่อนไหวและเซนเซอร์เสียงรบกวนแนะนำโดย Kinect สามารถเป็นงานที่ท้าทาย .