基于CNN的手勢姿態(tài)估計在手勢識別中的應(yīng)用.pdf

1、手勢識別是人機交互領(lǐng)域一個重要的研究方向。使用手勢作為人機交互接口，自然、直觀，又貼近人類交流習(xí)慣，其應(yīng)用前景廣泛。針對手勢識別算法應(yīng)用于人機交互時，往往要求使用者手勢所在平面平行于攝像頭成像平面即垂直于水平面才能進(jìn)行識別這個問題，本文提出一種應(yīng)用手勢姿態(tài)估計方法于手勢識別之中的算法。通過應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對深度圖中人手進(jìn)行姿態(tài)估計，得到關(guān)鍵關(guān)節(jié)點的空間坐標(biāo)再使用它們進(jìn)行手勢識別，使得非典型手勢可以同典型手勢一樣被識別。
　　本論文

2、主要做了如下三部分工作：
　　1.基于Kinect獲取深度信息，跟蹤并分割出復(fù)雜場景中的手勢部分。對分割出來的手勢深度圖進(jìn)行形態(tài)學(xué)處理及數(shù)據(jù)歸一化得到能夠輸入卷積神經(jīng)網(wǎng)絡(luò)的手勢深度圖。
　　2.對于用于姿態(tài)估計的卷積網(wǎng)絡(luò)模型，通過加入非線性手勢模型中間層以及使用多分辨率的手勢深度圖作為網(wǎng)絡(luò)輸入提高準(zhǔn)確率；通過減少需要估計的手勢關(guān)節(jié)點數(shù)只保留有關(guān)鍵作用的關(guān)節(jié)點以提高檢測速度。實驗證明，本文提出的網(wǎng)絡(luò)模型使手勢姿態(tài)估計平均誤差降