声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：彭玉青, 赵晓松, 陶慧芳, 刘宪姿, 李铁军
关键词：手势识别, 复杂背景, 手势检测, 深度学习, 人机交互
在人机交互领域，针对复杂背景下手势识别率低、算法鲁棒性差的问题，基于深度学习提出一种手势识别算法HGDR-Net（hand gesture detection and recognition network）．该算法由手势检测和识别2部分构成．在手势检测阶段，为解决复杂背景下手势区域提取困难的问题，基于改进的YOLO（you only look once）算法进行手势检测．改进的YOLO算法结合了手势检测的特点，解决了原始YOLO对小物体检测效果差、定位准确度不高的问题．在识别阶段，利用卷积神经网络（CNN）进行识别，并针对手势区域的尺寸多样性引入了空间金字塔池化（SPP）来解决CNN的多尺度输入问题．最后在训练过程中联合线下和实时2种数据增强方法避免过拟合问题，提升HGDR-Net的泛化能力．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98.65%和99.59%．结果表明本文算法能准确地从各种复杂背景中识别手势，相比于基于人工提取特征的传统算法和其他基于CNN的算法具有更高的识别准确率和更强的鲁棒性．
来源：2019年第4期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。