基于肤色模型与BP神经网络的手势识别

• 作者: 张云霞 张彩珍 张晓金 赵丹
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 离散余弦变换算法 肤色模型 加速稳健特性(SURF)算法 反向传播(BP)神经网络 手势识别
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算与测试
• 页码范围: 140-143
• 页数: 4页
• 分类号: TP391.4
• 字数: 2757字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2019)06-0140-04

摘要

针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCbCr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法.对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCbCr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别.实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云霞	兰州交通大学电子与信息工程学院	30	116	6.0	9.0
2	张彩珍	兰州交通大学电子与信息工程学院	28	85	4.0	8.0
3	赵丹	兰州交通大学电子与信息工程学院	10	20	2.0	4.0
4	张晓金	兰州交通大学电子与信息工程学院	3	5	2.0	2.0