基于深度卷积神经网络的多特征融合的手势识别

• 作者: 史其琦 王民 贠卫国
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 手势识别 手势提取 多特征融合 深度卷积神经网络 鲁棒性
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图像处理
• 页码范围: 417-422
• 页数: 6页
• 分类号: TP391.41
• 字数: 3030字
• 语种: 中文
• DOI: 10.3788/YJYXS20193404.0417

摘要

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别.首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成.为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络.这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73％.相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王民	西安建筑科技大学信息与控制工程学院	108	458	11.0	17.0
2	贠卫国	西安建筑科技大学信息与控制工程学院	36	152	6.0	10.0
3	史其琦	西安建筑科技大学信息与控制工程学院	2	5	1.0	2.0