复杂背景下基于深度学习的手势识别

• 作者: 刘宪姿 彭玉青 李铁军 赵晓松 陶慧芳
• 来源期刊: 机器人
• 关键词: 手势识别 复杂背景 手势检测 深度学习 人机交互
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 534-542
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13973/j.cnki.robot.180568

摘要

在人机交互领域,针对复杂背景下手势识别率低、算法鲁棒性差的间题,基于深度学习提出一种手势识别算法HGDR-Net(hand gesture detection and recognition network).该算法由手势检测和识别2部分构成.在手势检测阶段,为解决复杂背景下手势区域提取困难的间题,基于改进的YOLO(you only look once)算法进行手势检测.改进的YOLO算法结合了手势检测的特点,解决了原始YOLO对小物体检测效果差、定位准确度不高的间题.在识别阶段,利用卷积神经网络(CNN)进行识别,并针对手势区域的尺寸多样性引入了空间金字塔池化(SPP)来解决CNN的多尺度输入间题.最后在训练过程中联合线下和实时2种数据增强方法避免过拟合间题,提升HGDR-Net的泛化能力.在NUS-II和Marcel两个复杂背景的公共数据集上进行了验证实验,识别率分别达到98.65％和99.59％.结果表明本文算法能准确地从各种复杂背景中识别手势,相比于基于人工提取特征的传统算法和其他基于CNN的算法具有更高的识别准确率和更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭玉青	河北工业大学人工智能与数据科学学院	33	309	9.0	17.0
2	李铁军	河北工业大学机械工程学院	66	184	8.0	10.0
3	赵晓松	河北工业大学人工智能与数据科学学院	3	11	2.0	3.0
4	陶慧芳	河北工业大学人工智能与数据科学学院	1	2	1.0	1.0
5	刘宪姿	河北工业大学人工智能与数据科学学院	1	2	1.0	1.0