基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高视频手势识别的准确率与鲁棒性,更好地利用不同深度神经网络的优势,文章提出一种集成多种卷积神经网络的手势识别方法.其利用基于SSD架构的深度卷积神经网络进行多尺度的人手目标检测,通过将多个预选框与画面中存在的各个不同大小的人手标定选框进行匹配筛选,以获取图像中所有人手的精确位置并返回位置坐标向量;采用基于Multiview Bootstrapping方法的卷积神经网络,通过多视角引导对二维输入图像实现复杂环境下的手势关键点检测;将几种常用的手势进行定义并建立手势分类模型,基于前一步获得的手势关键点特征进行手势分类.实验结果表明,该方法对于复杂环境下不同类型的手势识别都具有较好的准确率和鲁棒性.
推荐文章
基于无监督特征学习的手势识别方法
无监督的特征学习
稀疏自编码神经网络
边缘特征
调优
基于深度学习的手势识别算法设计
深度学习
卷积神经网络
实时手势识别
高效性
复杂背景下基于深度学习的手势识别
手势识别
复杂背景
手势检测
深度学习
人机交互
基于RGB-D信息的动态手势识别方法
动态手势识别
彩色—深度图像
K-均值聚类算法
动态时间规整
快速动态时间规整
卡尔曼滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的手势识别方法
来源期刊 控制与信息技术 学科 工学
关键词 深度学习 卷积神经网络 目标检测 手势识别
年,卷(期) 2018,(6) 所属期刊栏目 人工智能技术与应用
研究方向 页码范围 96-99
页数 4页 分类号 TP391.4
字数 语种 中文
DOI 10.13889/j.issn.2096-5427.2018.06.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林军 8 0 0.0 0.0
2 丁驰 1 0 0.0 0.0
3 游俊 3 0 0.0 0.0
4 袁浩 4 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (72)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
卷积神经网络
目标检测
手势识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制与信息技术
双月刊
2096-5427
43-1546/TM
大16开
湖南省株洲市
1978
chi
出版文献量(篇)
1119
总下载数(次)
13
论文1v1指导