基于关键点的残差全连接网络动态手势识别方法

摘要：

车载动态场景下,为了提高基于视频手势识别的准确率和鲁棒性,提出了一种基于关键点的残差全连接网络手势识别算法.对在不同车辆平台、不同运动条件下采集的不同光照强度的视频数据进行归一化等预处理后提取视频帧的关键点,以关键点个数为准则进行了关键帧选取以提高运算性能和降低算法复杂度,将从关键帧中所提取的关键点送入残差全连接网络实现连续手势的识别.在不同光线与车内环境下,所提算法对6类动态手势的平均识别准确率达到96.72％,相较3D卷积神经网络(C3D)、卷积神经网络(convolutional neural network,简称CNN)、长短时记忆网络(long short-term memory network,简称LSTM)和双流网络,其识别率分别提升了10.72％,6.40％,5.17％和4.50％.实验结果验证了所提算法在车载环境下连续手势识别的有效性.

关键词：车载场境;关键点;残差网络;深度学习;手势识别

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;安徽高校省级自然科学研究重点项目;安徽大学物质科学与信息技术研究院学科建设开放基金资助项目

在线出版日期：2022-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：30-38