基于卷积神经网络的手势识别算法

• 作者: 叶西宁 朱雯文
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 加速度 卷积神经网络 手势识别 抗噪性
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 260-269
• 页数: 10页
• 分类号: TP391
• 字数: 4662字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20170327001

摘要

手势识别是人机交互、智能假肢、医疗康复等领域的研究热点.为了满足手势识别实时性和准确性的需求,本文以成本较小的加速度信号作为数据,在对LeNet-5卷积神经网络进行分析的基础上,提出了一种适合加速度信号的LeNet-A网络.该网络针对基于加速度的手势分类特有的复杂性,增加Dropout层,改变卷积核大小、卷积核数量、激活函数以及分类器.在Ninapro数据集上的实验结果表明,该网络在正常受试者和截肢者的识别率上均表现出很大的优势,平均精度分别为90.37% 和79.99%,比目前最佳分类器提升了12% 和31% 左右.该网络还具有较好的实时性和抗噪性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶西宁	华东理工大学信息科学与工程学院	19	200	6.0	14.0
2	朱雯文	华东理工大学信息科学与工程学院	1	6	1.0	1.0