動画から背景情報をなるべく含まない特徴量を抽出する方法は何が考えられますか？

Question

ディープラーニングでCNNを用いてジェスチャー認識を行いたいのですが、その時に背景に対する頑健性を上げるために、背景の情報を含まないような入力としたいと考えています。
今の所、dense optical flow を用いて作成した画像を入力としていますが、他に良い特徴量はあるのでしょうか
教えてくださると助かります。

Answer 1

セグメンテーションのやり方はいろいろあるように思います。
一発で背景に強い特徴量を考えることもできますが、最初に背景を取り除いてみてはいかがですか？

https://www.slideshare.net/FukushimaNorishige/opencv-67214568

https://www.youtube.com/watch?v=n_z6SY3UYB0

https://www.youtube.com/watch?v=fxW9O6ahYpA
http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc/py_grabcut/py_grabcut.html
https://qiita.com/knok/items/63e32adef9cfff095d49

https://stackoverflow.com/questions/41327467/opencv-get-all-objects-from-segmented-colorful-image

https://www.learnopencv.com/selective-search-for-object-detection-cpp-python/

Answer 2

https://www.quora.com/What-is-the-best-layer-in-CNN-from-which-we-can-extract-features