基于UGF-Net的指尖检测模型

摘要：

在人机交互领域,精确的人手指尖检测对交互的丰富度、灵活度有很大影响.然而,由于指尖的尺寸较小,精确、鲁棒的指尖检测目前仍然是一项颇具挑战性的任务.为了提升指尖检测的准确率与实时性,提出一种基于深度卷积神经网络的指尖检测模型UGF-Net(unified-gesture-and-fingertip-network).该模型可以同时进行指尖检测与手势识别,利用YOLO算法来提取手势区域,通过FCNN输出可视化高斯热图来实现指尖检测.通过实验验证该指尖检测模型的有效性和鲁棒性,在SCUT-Ego-Gesture数据集上对模型进行了测试,结果表明,指尖检测的准确率可达到99.8％,且实时视频图像的平均帧率达到34.5 frame/s,满足实时性的要求.

关键词：卷积神经网络;深度学习;指尖检测;手势识别;目标检测

所属期刊栏目：58

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;江苏省产业前瞻与关键核心技术重点项目

在线出版日期：2022-03-18（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：225-231