基于3D卷积神经网络的动态手势识别

• 作者: 曾晓勤 顾陈楠
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 3D卷积神经网络 光流 集成学习 深度学习 动态手势识别
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 75-80
• 页数: 6页
• 分类号: TP391.41
• 字数: 5041字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.11.015

摘要

传统的2D卷积神经网络在进行视频识别时容易丢失目标在时间维度上的相关特征信息,导致识别准确率降低.针对该问题,本文采用3D卷积网络作为基本的网络框架,使用3D卷积核进行卷积操作提取视频中的时空特征,同时集成多个3D卷积神经网络模型对动态手势进行识别.为了提高模型的收敛速度和训练的稳定性,运用批量归一化(BN)技术优化网络,使优化后的网络训练时间缩短.实验结果表明,本文方法对于动态手势的识别具有较好的识别结果,在Sheffield Kinect Gesture(SKIG)数据集上识别准确率达到98.06％.与单独使用RGB信息、深度信息以及传统2D CNN相比,手势识别率均有所提高,验证了本文方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾晓勤	河海大学计算机与信息学院	45	302	8.0	15.0
2	顾陈楠	河海大学计算机与信息学院	1	1	1.0	1.0