基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对基于人工建模方式的手势识别方法准确率低、速度慢的问题,提出一种基于改进YOLOv3的静态手势实时识别方法.采用卷积神经网络YOLOv3模型,将通过Kinect设备采集的IR、Registration of RGB、RGB和Depth图像代替常用的RGB图像作为数据集,并融合四类图像的识别结果以提高识别准确率.采用k-means聚类算法对YOLOv3中的初始候选框参数进行优化,从而加快识别速度.在此基础上,利用迁移学习的方法对基础特征提取器进行改进,以缩短模型的训练时间.实验结果表明,该方法对流式视频静态手势的平均识别准确率为99.8%,识别速度高达52 FPS,模型训练时间为12h,与Faster R-CNN、SSD、YOLOv2等深度学习方法相比,其识别精度更高,识别速度更快.
推荐文章
融入注意力的YOLOv3绝缘子串识别方法
YOLOv3
注意力机制
绝缘子串识别
深度学习
自适应边缘优化的改进YOLOV3目标识别算法
目标检测
零件识别
卷积神经网络
YOLOV3
PSO
基于改进 YOLOv3 的葡萄叶部病虫害检测方法
葡萄病害检测
深度学习
轻量化
注意力机制
一种基于改进YOLOv3的密集人群检测算法
密集人群
YOLOv3
特征提取网络
K-means++
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进YOLOv3的手势实时识别方法
来源期刊 计算机工程 学科 工学
关键词 手势识别 YOLOv3模型 Kinect设备 聚类算法 迁移学习
年,卷(期) 2020,(3) 所属期刊栏目 图形图像处理
研究方向 页码范围 237-245,253
页数 10页 分类号 TP391
字数 5878字 语种 中文
DOI 10.19678/j.issn.1000-3428.0054222
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张勇 合肥工业大学计算机与信息学院 105 847 13.0 25.0
2 张强 合肥工业大学计算机与信息学院 42 434 9.0 20.0
3 刘佳慧 合肥工业大学计算机与信息学院 2 0 0.0 0.0
4 刘芝国 合肥工业大学计算机与信息学院 1 0 0.0 0.0
5 周文军 合肥工业大学计算机与信息学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (61)
共引文献  (19)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(10)
  • 参考文献(1)
  • 二级参考文献(9)
2015(9)
  • 参考文献(0)
  • 二级参考文献(9)
2016(14)
  • 参考文献(3)
  • 二级参考文献(11)
2017(5)
  • 参考文献(3)
  • 二级参考文献(2)
2018(3)
  • 参考文献(2)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
手势识别
YOLOv3模型
Kinect设备
聚类算法
迁移学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导