基于DSSD的静态手势实时识别方法

摘要：

手势识别作为一种自然和谐的人机交互方式,具有广泛的应用前景,而传统手势识别方法准确率不高、实时性较差.为此,在DSSD网络模型的基础上,提出一种静态手势实时识别方法.自制手势数据集,通过K-means算法及手肘法选取先验框的宽高比,采用迁移学习的方法解决数据量小导致的检测精度低的问题,同时根据识别精度选择ResNet101为DSSD模型的基础网络,经DSSD模型的反卷积模块融合各个特征提取层的语义信息,加强对小手势目标的检测能力.实验结果表明,该方法识别静态手势的识别率达到95.6％,较基于Faster R-CNN、YOLO和SSD的手势识别方法分别提高了3.6％、4.5％及2.3％,其检测速度为8 frame/s,能够满足实时检测要求.

关键词：手势识别、DSSD检测算法、K-means算法、迁移学习、小手势目标

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;国家大学生创新训练项目

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：255-261