基于肤色分割与改进VGG网络的手语识别
传统的手语识别仅仅依靠人工选取的底层特征完成识别,难以适应手语图像背景的多样性,本文提出了一种综合多要素的手语肤色分割与改进VGG网络的手语识别方法.对采集到的手语图像利用椭圆模型进行初步分割,根据最大连通域排除背景中的类肤色区域并用质心定位的方法去除手部区域以外的肤色区域,从而实现手语图像准确分割.在原有VGG网络的基础上减少卷积及全连接的层数对VGG网络进行改进,减少了所需的存储容量和参数数量.将分割后的手语灰度图像作为网络的输入,采用改进的VGG网络建立手语的识别模型.通过比较不同结构的网络模型对手语图像的识别率,表明改进的VGG网络能够有效进行特征学习,对手语图像的平均识别率都达到97%以上.
肤色分割、手语识别、VGG、改进VGG网络、识别模型
29
国家自然科学基金;浙江理工大学博士科研启动项目;浙江省大学生科技成果推广项目;浙江理工大学2019年国家级大学生创新创业训练计划
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
47-55