摘要。目前无人机记录的数据集大多局限于动作识别和物体跟踪,而手势信号数据集大多记录在室内空间。目前,尚无用于无人机指挥信号的室外记录公共视频数据集。利用无人机的视觉传感器和操作简单性,可以有效地将手势信号用于无人机。为了填补这一空白并促进更广泛应用领域的研究,我们提出了一个在室外环境中记录的无人机手势信号数据集。我们从一般飞机操纵和直升机操纵信号中选择了13个适合基本无人机导航和指挥的手势。我们提供了119个由37151帧组成的高清视频片段。使用基于姿势的卷积神经网络 (P-CNN) 计算得出的整体基线手势识别性能为 91.9%。所有帧都标注了身体关节和手势类别,以便将数据集的适用性扩展到更广泛的研究领域,包括手势识别、动作识别、人体姿势识别和情境感知。
cdis(Fenson等,2007)是一组父母线人措施,旨在评估年轻人通常会从“早期的综合迹象到他们的第一个非语言手势信号”中,从而使孩子们的沟通技巧脱颖而出。为实现这一目标,两种单独的形式被开发了。这些是CDI:单词和手势和CDI:单词和句子。cdi:单词和手势是为典型的8-18个月儿童而设计的,以衡量新兴的接受性和表达性词汇以及使用交流或象征性手势的使用。它有两个主要部分。第一部分,早期的话分为四个部分。第A节,第一个理解的迹象,包括三个不是项目(例如,“ [您的孩子在名字被称为?B节,短语是一个28项清单,旨在在互动例程(例如“不要触摸”)的背景下利用日常语言的理解。第C节开始谈话,由两个项目组成,以评估孩子模仿单词和标记对象的频率(即从未有时,通常是某些时候)。D节最大的部分称为词汇清单。这是一个396个项目的清单,分为19个语义类别。这十个反映了不同的名词类,但是其他各种类别也是
