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。
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
本文来源: https://www.lunwen90.cn/article/70a1248e6a81c285a762dafd.html