基于多列深度3D卷积神经网络的手势识别

• 作者: 易生 梁华刚 茹锋
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 视频图像序列处理 手势识别 深度学习 特征提取 卷积神经网络 运动目标识别
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 图形图像处理
• 页码范围: 243-248
• 页数: 6页
• 分类号: TP18
• 字数: 4063字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.08.041

摘要

传统2D卷积神经网络对于视频连续帧图像的特征提取容易丢失目标时间轴上的运动信息,导致识别准确度较低.为此,提出一种基于多列深度3D卷积神经网络(3D CNN)的手势识别方法.采用3D卷积核对连续帧图像进行卷积操作,提取目标的时间和空间特征捕捉运动信息.为避免因单组3D CNN特征提取不充分而导致的误分类,训练多组具有较强分类能力的3D CNN结构组成多列深度3D CNN,该结构通过对多组3D CNN的输出结果进行权衡,将权重最大的类别判定为最终的输出结果.实验结果表明,将多列深度3D CNN应用于CHGDs数据集上进行手势识别,识别率达到95.09％,与单组3D CNN及传统2D CNN相比分别提高近7％,20％,对连续图像目标识别具有较好的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茹锋	长安大学电子与控制工程学院	34	145	5.0	11.0
2	梁华刚	长安大学电子与控制工程学院	12	37	3.0	6.0
3	易生	长安大学电子与控制工程学院	2	24	2.0	2.0