一种复合型手势识别方法研究

• 作者: 韩文静 罗晓曙 杨日星
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 手势识别 双通道特征融合 SENet RBNet
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 108-113
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0315

摘要

针对已有卷积神经网络在手势识别过程中精度不高的问题,提出了一种双通道卷积神经网络的特征融合与动态衰减学习率相结合的复合型手势识别方法.通过两个相互独立的通道进行手势图像的特征提取,首先使用SENet(Squeeze-and-Excitation Networks)构成的第一通道提取全局特征,然后使用RBNet(Residual Block Networks)构成的第二通道提取局部特征,并将全局特征和局部特征进行通道维度上的融合.同时,利用动态衰减的学习率训练双通道网络模型.与其他卷积神经网络模型的对比实验结果表明,提出的复合型手势识别方法的手势识别率高,参数数量少,适用于不同手势图像数据集的识别.