基于卷积神经网络的手势识别算法研究

发布时间：2018-03-25 01:30

  本文选题：手势识别　切入点：聋哑人交互　出处：《吉林大学》2017年硕士论文

【摘要】：手势不仅仅是自然高效的交互方式,也是聋哑人与正常人交互的唯一途径,但是很多正常人并没有掌握手语,因此,需要中间人进行翻译,才能使正常人与聋哑人进行交流。如果能够人工智能来对手语进行自动翻译,将会大大提高聋哑人与外界交流的效率。本文就是在这一研究背景下,利用卷积神经网络算法对手势识别进行研究。文章首先对手势识别的发展历程和研究进展进行了研究和分析,并对深度学习算法进行了比较,选用卷积神经网络作为手势识别的算法基础。在此基础上,对卷积神经网络的工作原理和训练过程进行了详细分析,明确网络结构、卷积核大小、池化方法、池化尺寸、激活函数、学习率等对系统性能的影响,然后在LeNet-5模型基础上进行改进,并通过MNIST和CIFAR-10两个公认数据集上进行对比试定量分析影响神经网络性能的因素,应由此确定实验方案为:对数据进行预处理,然后利用信息量较少的灰度图像对卷积神经网络进行训练,并与未经预处理的图像识别结果进行对比。实验结果表明,预处理之后的数据集在识别准确率和识别速度方面都具有优势,验证了论文实验方案的有效性。最终识别平均准确率为93.8%,具有实际应用意义,能够为今后聋哑人交流系统提供借鉴。
[Abstract]:鎵嬪娍涓嶄粎浠呮槸鑷�鐒堕珮鏁堢殑浜や簰鏂瑰迹�

本文编号：1660959