###
DOI:
:2021,34(2):-
←前一篇   |   后一篇→
本文二维码信息
融合手部骨架灰度图的深度神经网络静态手势识别
(中国计量大学)
摘要
图/表
参考文献
相似文献
本文已被:浏览 1836次   下载 3400
    
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%。
Abstract:
keywords:
文章编号:cg200241     中图分类号:    文献标志码:
基金项目:浙江省重点研发计划项目(2020C03104)、上海市信息安全综合管理技术研究重点实验室开放课题(AGK201900X)
作者单位
章东平 中国计量大学 
Author NameAffiliation
  
引用文本:


用微信扫一扫

用微信扫一扫