基于深度学习的手势识别应用研究

发布时间：2021-04-10 21:04

　　计算机科学的发展促进了人机交互技术的进步。从早期输入文本命令的交互方式开始,人机交互方式逐渐向自然化、直观化的方向发展。手势作为人机交互方式的一种,具有丰富、灵活、直观等特点,且符合人们日常的生活和交流习惯。近年来,基于手势识别的人机交互方式逐渐引起了研究者们的关注。手势识别方法可分成基于外部设备的方法和基于计算机视觉的方法。基于外部设备的手势识别方法,如数据手套等方式已经相当成熟,并被广泛应用。而基于计算机视觉的手势识别方法仍然不够成熟,传统手势识别方法一般都是基于支持向量机和人工神经网络等浅层机器学习算法,手势的识别率难以达到应用级别的要求,且传统算法的提升空间较小。近年来,深度学习的兴起为手势识别提供了新的思路。文章介绍了深度学习的相关理论,并主要就深度学习的三个常用网络模型进行说明和分析,最终选取了最适合手势识别的卷积神经网络作为本文的研究重点。随后对静态手势识别的主要步骤进行了说明,并给出了每一步骤具体的处理方法。初步设计了一种八层的卷积神经网络用于手势识别。研究了影响卷积神经网络性能的两种因素,梯度下降策略的选择和全连接层神经元个数的多少。最终得出选用Ada Delta梯度... 

【文章来源】：安徽工程大学安徽省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

索尼公司推出的EyeToy

2图 1-2 微软公司推出的 Kinect设备的手势识别主要通过外部辅助设备，例如数据手套来定等信息来识别当前手势。这种手势识别方法能够取得较高。目前此类方法已成功运用于虚拟现实游戏等领域。但这种处。首先基于外部设备的方法局限性较大，必须依赖外部设次价格比较昂贵。机视觉的手势识别主要通过摄像头来获取手势，对获取的手

手势识别方法进行研究。究现状及发展趋势国外研究现状期的手势识别主要是通过外部设备获取手势信息，典型的代表为数据手套T&T 公司的 Grimes[1]创造性的发明了数据手套，并申请了专利。使用者穿戴算机通过数据手套获取人的手与关节之间的空间信息，进而识别出手势s 的数据手套虽然只能识别简单的手势类别，但是他开创了数据手套应用先河。随后，1984 年，VPL 公司推出了带有“光纤弯曲传感器”的数据手够检测出手指的弯曲和外展，丰富了手势信息。1991 年 Virtual Techno出了著名的 CyberGlove 数据手套，包含线性扭曲传感器和张力变形测量势识别的精确定度和稳定性。其随后推出的系列产品已成功应用于手语识等领域。

【参考文献】：
期刊论文
[1]基于SVM和组合优化模型的手势识别[J]. 蔡芝蔚,吴淑燕,宋俊锋.  系统仿真学报. 2016(08)
[2]基于改进Hu矩算法的Kinect手势识别[J]. 蒲兴成,王涛,张毅.  计算机工程. 2016(07)
[3]结合肤色模型和卷积神经网络的手势识别方法[J]. 王龙,刘辉,王彬,李鹏举.  计算机工程与应用. 2017(06)
[4]基于改进的YCbCr空间及多特征融合的手势识别[J]. 薛俊韬,纵蕴瑞,杨正瓴.  计算机应用与软件. 2016(01)
[5]一种基于数据手套的静态手势识别方法[J]. 吕蕾,张金玲,朱英杰,刘弘.  计算机辅助设计与图形学学报. 2015(12)
[6]基于深度图像HOG特征的实时手势识别方法[J]. VanBang L E,朱煜,赵江坤,陈宁.  华东理工大学学报(自然科学版). 2015(05)
[7]基于Kinect的手势识别算法研究及应用[J]. 吴晓雨,杨成,冯琦.  计算机应用与软件. 2015(07)
[8]结合肤色分割和ELM算法的静态手势识别[J]. 杨丽,胡桂明,黄东芳,周杨.  广西大学学报(自然科学版). 2015(02)
[9]基于卷积神经网络的手势识别初探[J]. 蔡娟,蔡坚勇,廖晓东,黄海涛,丁侨俊.  计算机系统应用. 2015(04)
[10]基于Kinect深度信息的手势分割与识别[J]. 毛雁明,章立亮.  系统仿真学报. 2015(04)



本文编号：3130336