CNN联合BI-LSTM混合模型的手势识别算法

• 作者: 纪盟盟 肖金壮 李瑞鹏
• 来源期刊: 激光杂志
• 关键词: 手势识别 随机擦除 手势图像缺失 卷积神经网络 双向长短时记忆
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 模式识别
• 页码范围: 88-91
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2021.06.088

摘要

基于视觉的手势识别是人机交互的热点.针对手势图像易受环境影响造成部分图像缺失,进而导致手势识别精度难以提升的问题,提出了一种基于静态手势图片数据的卷积神经网络(CNN)联合双向长短时记忆循环神经网络(Bi-LSTM)的混合模型.通过随机擦除算法处理手势数据集,可以充分模拟手势缺失问题,首先利用CNN提取手势的空间特征,随后通过Bi-LSTM提取组内图片之间的关联特征,用以解决图片中部分手势图像缺失的问题,最后完成分类.在新加坡国立大学手部姿势数据集上以46.36 f·s-1的速度达到94.6％的识别率,比传统算法识别率更高,鲁棒性更强,有效缓解了因部分手势图像缺失导致识别率不高的问题.