张雨晨,甘俊英,余飞,曾军英
基于深度学习的应急手势识别算法研究
张雨晨,甘俊英,余飞,曾军英
(五邑大学信息工程学院,广东 江门 529020)
本文提出了一种基于深度学习的应急手势识别算法. 首先采用深度图像传感器做手势分割获取应急手势数据集,其次采用肤色分割算法和本文提出的应急手势识别算法做实时性测试. 与常规算法不同的是,本文构建了一个应急手势数据库,并建立了深度卷积神经网络模型,提出了7种应用于多种场景的应急手势识别算法. 实验结果表明,本文应急手势识别算法优于现有的机器学习算法,识别率达99.95%,可广泛应用于人机交互场景.
应急手势识别;手势分割;深度学习;卷积神经网络
基于视觉的手势识别技术是自然人机交互(Natural Human Computer Interaction,NHCI)中不可缺少的一项关键技术,其以自然、直观的特性受到研究人员越来越多的广泛关注. 由于手势的多样性、在时间和空间上的差异性,且人手是复杂的变形体,以及视觉本身的不确定性,基于视觉的手势识别成为一个多学科交叉、富有挑战性的研究课题.
借助深度图像传感器和相关图像处理技术分割所需识别的应急手势图像,使用计算机可以对人手的各种手势姿态信息准确识别,尤其是在静态手势识别技术中,多数研究者所用的分类识别方法主要包括基于规则的分类算法和基于机器学习分类算法. 基于表观特征的分类算法[2]是通过对手势图像获取手势……