基于级联卷积神经网络的手势特征提取方法

摘要：

针对当前手势图像数据集不能均匀、全面地覆盖所有手势参数空间内的各种手势的问题,提出一种基于级联卷积神经网络的手势特征提取方法.该方法通过级联式模型,分层次地对高维度、高自由度的手势参数进行特征感知和提取.首先,将手腕角度参数作为手势参数的全局参数,进行划分和特征提取;然后,将手指角度参数作为局部参数,进行特征提取.为解决局部参数特征提取网络数量过多的问题,减少神经网络的数量和节约训练网络所需的时间与内存开销,采用多分支结构的神经网络模型,将五个手指的局部特征提取网络集成为一个整体.实验结果表明,所提方法在真实训练集上平均分类准确率达到95.13％,测试集平均准确率达到54％,测试集准确率相较于全卷积神经网络的算法提高了4.76个百分点.

关键词：手势主方向、特征提取、多分支结构、级联卷积神经网络、手势数据集

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;广西科技重大专项;广西重点研发计划项目;广西自然科学基金资助项目;广西科技基地和人才专项;桂林科技发展计划项目;广西云计算与大数据协同创新中心项目

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79