本研究提出了一种联合摄像机和雷达方法，使自动驾驶车辆能够了解和响应日常交通中的人类手势，通过处理雷达和摄像机数据，利用融合神经网络提高手势识别的准确性。

Feb, 2023

该研究提出了一种基于 SPD 流形学习的神经网络，用于骨架手势识别，并在两个具有挑战性的数据集上实现最先进的准确性。

Apr, 2019

采用三维卷积神经网络从连续视频帧中学习时空特征，实现视觉手术姿势识别，可用于手术技能评估、手术操作中的监控和手术任务的半自动化等多种应用。在针对 JIGSAWS 数据库中的机器人辅助缝合视频的测试中，通过对空间时间特征建模，该方法实现了高于 84% 的手术姿态识别准确性，是视频手术姿态识别的重要进展。

Jul, 2019

本研究提出了基于骨架的手势识别模型，采用重要的特征描述符 - 路径签名，并使用所提出的多种特征来明确表示空间和时间运动特征，并且通过注意手的原则来定义关节对，并使用 “dyadic method” 来提取 T_PS 和 T_S_PS 特征，最后采用多流全连接层和融合技术来进行分类，实验结果证明该方法可以实现骨架模型下手势识别的最佳表现。

Nov, 2018

智能系统在我们日常生活中变得越来越重要，需要新的交互方式。本文提出的脉冲卷积神经网络利用事件和深度数据进行手势识别，通过在嵌入式系统上进行离线训练和评估，并使用开源的神经形态计算框架 LAVA 进行模拟。研究结果表明，在深度信息和模态融合中，时间编码及不同编码的数据对网络性能和泛化能力有积极效果。

Jan, 2024

使用低分辨率 (24 x 32) 热传感器，结合脉冲神经网络、稀疏分割和基于特征的手势分类，提出了一种新颖的手势识别方法。与标准 RGB 摄像头相比，该系统对光照变化不敏感，且价格显著低于以往文献中使用的高频雷达、飞行时间摄像头和高分辨率热传感器。关键是，本文通过创新地使用最近提出的单稳态多谐振荡器 (MMV) 神经网络作为新型脉冲神经网络，在记忆和计算复杂度方面较深度学习方法小一个数量级，同时在汽车环境下使用 5 类热相机数据集达到 93.9% 的手势识别准确率。我们提供了该数据集以供未来研究使用。

Jan, 2024

本研究利用 3D 骨骼输入设计数据集，旨在提供用于交通控制手势识别的学习数据，并针对其进行了多种深度神经网络、注意力机制、图卷积网络等方案，同时进行了真实环境测试和综合分析。

Jul, 2020

本文提出了一种基于神经结构搜索的方法来进行 RGB-D 手势识别，该方法包括增强临时表示和优化多采样速率分支与侧向连接，实现了 RGB 和深度模态间和它们的时间动态之间关系的全面探究，并且在三个基准数据集上进行的全面实验证明了其在单 / 多模态设置下的最先进表现。

Aug, 2020

本研究旨在探讨单一特征和混合特征对机器学习模型分类能力的影响，通过提取统计描述符和时空属性两类特征来识别含 18 种动态手势的手语，结果表明混合特征的输入比两类单一特征的输入产生更好的分类效果，对于自动手语识别技术的提高对其实现数字化技术的残疾人群体更有益。

Feb, 2022

提出了一种基于人类骨骼运动的时空图卷积网络的手语识别方法，使用图来捕捉手语在二维空间和时间上的动态，并提供了一个新的 ASLLVD 人体骨架手语数据集以供未来的相关研究。

Jan, 2019