复杂背景下无锚框手势检测网络的构建

程志宇，徐国庆+，许 犇，罗 京

(1.武汉工程大学 计算机科学与工程学院，湖北 武汉 430205；2.武汉工程大学 智能机器人湖北省重点实验室，湖北 武汉 430205)

0 引 言

传统的基于人工提取特征加分类的手势检测方法[1-4]在复杂环境背景干扰情况下对精度影响较大，而基于外部穿戴硬件设备的检测方法[5,6]在手部细节提取上复杂繁琐，存在抖动和不稳定的现象，因此，如何提升手势检测的效果对计算机视觉交互技术研究具有重要的意义。现阶段，基于深度学习方法在手势检测中应用广泛，将深层卷积神经网络用于手势目标的检测和识别，如利用基于DSSD的静态手势识别方法[7]，以及将Faster R-CNN算法应用于手势识别[8]实验等。但该类基于锚框算法的模型对手势目标检测受限于人工预先设定的不同候选框的数量和尺度范围。近年来，基于无锚框的手势检测方法正逐渐成为检测领域的研究热点，有Extremenet[9]、FCOS[10]、Cornernet[11]等。其中基于关键角点检测的算法取得出色的检测效果，适用于形状复杂多变的手势目标，通过优化训练的损失函数和网络模型结构来增强模型的表达能力，使得模型能够达到优异的检测性能。

本文针对手势检测识别应该具有的速度快和精度高特性，采用centernet网络[12]搭建手势检测的模型，算法框架用改进的shufflenetv2网络作为特征提取模块搭建而成。手势检测的实现是通过对原始输入图像进行目标中心点预测，检测识别手部区域。综合不同网络模型比较检测性能。

1 手势特征……

登录APP查看全文

猜你喜欢

特征提取实验检测

记一次有趣的实验

小猕猴智力画刊(2022年9期)2022-11-04 02:31:42

做个怪怪长实验

小哥白尼(趣味科学)(2019年6期)2019-10-10 01:01:50

基于Gazebo仿真环境的ORB特征提取与比对的研究

电子制作(2019年15期)2019-08-27 01:12:00

一种基于LBP 特征提取和稀疏表示的肝病识别算法

中国生物医学工程学报(2017年6期)2017-02-10 05:11:45

NO与NO2相互转化实验的改进

发明与创新(2016年38期)2016-08-22 03:02:52

实践十号上的19项实验

太空探索(2016年5期)2016-07-12 15:17:55

小波变换在PCB缺陷检测中的应用

海峡科技与产业(2016年3期)2016-05-17 04:32:12

基于MED和循环域解调的多故障特征提取

噪声与振动控制(2015年4期)2015-01-01 07:08:21

Walsh变换在滚动轴承早期故障特征提取中的应用

轴承(2010年2期)2010-07-28 02:26:12

计算机工程与设计 2021年6期

计算机工程与设计的其它文章

基于DFS的直升机电力巡检路径规划

人大报告内容的文本分类

星载CAN总线即插即用解决方案

基于联合注意力生成对抗网络的自动文摘模型

基于深度预测的单目SLAM绝对尺度估计

基于改进循环对抗网络的异质人脸合成配准