计算机工程

作者：周文军, 张勇, 王昱洁

单位：合肥工业大学 计算机与信息学院, 合肥 230601

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

基金：国家自然科学基金（61801162）；国家大学生创新训练项目（201710359020）。

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。

来源：2020年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第2期