基于改进卷积神经网络的手势识别

• 作者: 宋京 段惠斌
• 来源期刊: 物联网技术
• 关键词: 改进卷积神经网络 手势识别 准确率 图像处理 过拟合 Dropout
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 全面感知
• 页码范围: 26-27,30
• 页数: 3页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.07.008

摘要

为了解决传统卷积神经网络(CNN)由于手势背景复杂和手势姿态多样性而导致准确率不高的问题,提出一种改进卷积神经网络方法对手势进行分类识别.首先对手势图像做基于肤色阈值的手势分割处理,然后用Dropout优化后的卷积神经网络对手势图像特征进行提取和分类识别.在不同环境下对手势识别并与传统方法进行对比实验.实验表明,改进CNN识别准确率为96.92％,传统CNN识别准确率为93.58％,证明改进CNN识别准确率较传统CNN有一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋京	河北工程大学机械与装备工程学院	2	0	0.0	0.0
2	段惠斌	河北工程大学机械与装备工程学院	1	0	0.0	0.0