基于卷积神经网络的手势识别算法研究

• 作者: 程冉 史健芳
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 卷积神经网络 手势识别 概率神经网络 迁移学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图像与多媒体
• 页码范围: 179-184
• 页数: 6页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.02.039

摘要

基于实现小样本数据集下手势识别的目的,采用了深度卷积神经网络GoogLeNet模型以及PNN神经网络进行分类,同时结合了迁移学习的方法将深度学习模型进行迁移而构建所用模型.用公共数据集Keck Gesture进行实验,通过对数据集图像进行简单的图像预处理,使得图像特征更为明显,将预处理后的图像作为网络输入进行手势识别实验.经实验验证,该方法在该数据上平均准确率达到了99％以上,而且识别速度较快,达到了10帧/s,基本能满足实时性要求.