中文摘要: 针对在无约束环境下静态手势在识别过程中准确率不高的问题，本文提出了一种融合手部骨架灰度图(Crayscale Image of Hand Skeleton, GHS)的深度神经网络，使用手部关键点及其相互关联性构建手部骨架灰度图，网络的输入为GSH图像和RGB图像。主干网络为yolov3，添加了扩展卷积残差模块，在GSH图像和RGB图像进行特征融合后，通过SE模块对每个通道上的特征进行缩放，采用RReLU激活函数来代替Leaky ReLU激活函数，通过手部关键点及其相互间的连接信息增强手部图像特征，增大手势的类间差异，同时降低无约束环境对手势识别的影响，以提高手势识别的准确率。实验结果表明，在Microsoft Kinect ＆ Leap Motion数据集上相比其他方法，本文方法的平均准确率达到最高,为99.68％。在Creative Senz3d数据集上相比其他方法，本文方法平均准确率达到最高，为99.8％。