基于肤色分割与深度学习的手势识别

• 作者: 孙兹昂 杨洋 郑紫微 郝骏
• 来源期刊: 数据通信
• 学科: 工学
• 关键词: 肤色模型 卷积神经网络 手势识别 准确率
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 技术交流
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP391.4
• 字数: 3215字
• 语种: 中文

摘要

手势识别在非语言交流和人机交互中有着十分重要作用,为了实现手势识别的准确率与鲁棒性.本文提出用YCbCr色彩空间检测肤色对输入的图像分割出感兴趣的手势区域,然后再通过深度学习的方法训练出手势识别的模型.该方法针对五种特定手(stop、ok、punch、yes、good)进行自动手势识别.使用Kears框架实现卷积神经网络.通过实验证明,该方法对输入的五种手势识别准确率达到94.6％,并且具有一定的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑紫微	宁波大学通信技术研究所	53	190	8.0	10.0
2	郝骏	宁波大学通信技术研究所	4	1	1.0	1.0
3	杨洋	宁波大学通信技术研究所	5	1	1.0	1.0
4	孙兹昂	宁波大学通信技术研究所	1	0	0.0	0.0