基于神经网络的静态手势识别算法实现

论文摘要

随着物联网技术的发展,手势识别在当今的人机交互中起着至关重要的作用。针对复杂背景下手势识别率低、算法鲁棒性差的问题,提出了一种基于神经网络手势识别方法对26个英文字母实现静态手势识别,该算法由手势检测和特征提取及识别3部分构成。在手势检测部分,解决手势区域提取困难的问题;在手势特征提取部分,通过肤色检测提取出手的轮廓信息的二值图像;在识别阶段,使用从LeNet-5改进的CNN来识别手势。在自己制作的数据集下对神经网络进行训练,最终获得较高的识别率;并在NUS-II和Marcel两个复杂背景的公共数据集上进行了验证实验,识别率分别达到95.31%和98.10%。结果表明,该方法可以在复杂环境下对手势进行精确识别具有较高的稳定性。

论文目录

• 0 引言
• 1 算法
•   1.1 数据集的制作及准备
•   1.2 整体系统框架
•   1.3 手部区域分割网络
•   1.4 手部区域分割网络
•   1.5 手部识别网络
• 2 神经网络的训练及最终的结果
•   2.1 神经网络的训练及在自制数据集下的准确率
•   2.2 实验结果与分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 包兆华,高瑜翔,夏朝禹,郭春妮

关键词: 手势识别,神经网络,腐蚀,膨胀,特征提取

来源: 成都信息工程大学学报 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 成都信息工程大学通信工程学院微电子学院

分类号: TP391.41;TP183

DOI: 10.16836/j.cnki.jcuit.2019.06.008

页码: 606-609

总页数: 4

文件大小: 1333K

下载量: 193