基于多尺度卷积神经网络模型的手势图像识别

摘要：

为了解决目前利用CNN算法进行手势识别的精度不高的问题,提出一种新的算法.首先对识别的手势图片进行二值化处理,滤除手势的背景,凸显手势在图像中的权重,背景对手势识别影响降低.其次,在经典卷积神经网络模型AlexNet的基础上,提出一种多尺度卷积核的改进卷积神经网络模型.改进卷积神经网络模型采取两种卷积核进行手势特征提取,利用多尺度卷积核和双通道进行特征融合,然后利用在不同角度,不同旋转下拍摄的手势图像数据集对改进模型进行实验验证.研究结果表明,提出的算法模型在不同的角度和不同的旋转情况下对手势图像具有较高的识别率,算法的鲁棒性、识别率方面有了明显的提高.

关键词：卷积神经网络、卷积核、深度学习、特征提取、手势识别、二值化

所属期刊栏目：42

分类号：TN915-34;TP391.4

资助基金：广西科技重大专项桂科AA18118004

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：150-153