發(fā)布時間：2021-02-24 23:16

　　科學(xué)技術(shù)的進(jìn)步與提高,使得人機(jī)交互顯得額外普遍與重要。手勢的靈活、便捷等特點(diǎn),使得它逐漸地成為了人機(jī)交互的主要橋梁。但是自然復(fù)雜環(huán)境下的手勢識別受到諸多因素的干擾,使得手勢檢測識別一直是一個極具挑戰(zhàn)的學(xué)科交叉研究問題。本文搭建了一套室內(nèi)自然場景下的手勢檢測識別交互控制系統(tǒng),針對自然場景下的四種靜態(tài)手勢完成檢測識別任務(wù)。本文從以下兩個方向開展研究:（1）通過一個結(jié)合Haar特征的Adaboost檢測器快速分割出手勢圖樣,由于手勢的多樣性以及圖像背景的復(fù)雜性,本文選擇使用將TPLBP和HOG梯度直方圖特征相融合的方式作為新的特征進(jìn)行智能手勢的識別。由于HOG算子對于復(fù)雜場景下的光照明暗變化有較強(qiáng)的魯棒性,TPLBP算子對復(fù)雜場景下的手勢紋理特征擁有較好的提取性能。將HOG特征與TPLBP特征結(jié)合起來,可以有效的表達(dá)手勢的紋理特征以及增加復(fù)雜情況下對光污染的抗性,最后將融合后的特征輸入到人工神經(jīng)網(wǎng)絡(luò)中進(jìn)行手勢的驗證分類。（2）應(yīng)用近年來逐漸火熱且技術(shù)純熟的深度學(xué)習(xí)目標(biāo)檢測YOLO v3卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行自然復(fù)雜環(huán)境下的四種手勢識別,實現(xiàn)一個端到端的檢測網(wǎng)絡(luò)。但是目前來說YOLO v3仍存在一些... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究情況
    1.3 主要研究工作
    1.4 章節(jié)安排
第2章 目標(biāo)檢測相關(guān)理論
    2.1 人工特征檢測算子
        2.1.1 Haar-like特征
        2.1.2 HOG特征
        2.1.3 LBP特征
    2.2 深度學(xué)習(xí)理論
        2.2.1 卷積層
        2.2.2 激活函數(shù)
        2.2.3 池化層
    2.3 交并比與抑制算法
    2.4 本文數(shù)據(jù)集
    2.5 目標(biāo)檢測衡量標(biāo)準(zhǔn)
    2.6 本章小節(jié)
第3章 融合特征手勢檢測識別
    3.1 提升算法檢測分割
        3.1.1 Adaboost提升算法
        3.1.2 滑塊檢測
    3.2 TPLBP-HOG特征融合識別
        3.2.1 TPLBP特征提取
        3.2.2 HOG特征提取
        3.2.3 特征融合
    3.3 人工神經(jīng)網(wǎng)絡(luò)識別
        3.3.1 神經(jīng)網(wǎng)絡(luò)原理
        3.3.2 融合識別
    3.4 算法性能分析
    3.5 本章小節(jié)
第4章 YOLO手勢檢測
    4.1 YOLOV3算法原理
        4.1.1 Darknet53 特征網(wǎng)絡(luò)
        4.1.2 BBox位置回歸
        4.1.3 YOLOv3損失計算
    4.2 算法優(yōu)化
        4.2.1 Focal loss聚焦損失
        4.2.2 GIOU泛化交并比
        4.2.3 Tiny微模型
    4.3 算法性能分析
    4.4 本章小結(jié)
第5章 應(yīng)用平臺展示
    5.1 交互平臺環(huán)境
    5.2 交互平臺功能展示
    5.3 本章小節(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 后期工作展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機(jī)學(xué)報. 2017(06)
[2]基于非極大值抑制的圓目標(biāo)亞像素中心定位[J]. 王靜,王海亮,向茂生,韋立登,劉忠勝.  儀器儀表學(xué)報. 2012(07)

碩士論文
[1]HOG融合特征及DL在行人檢測算法中的研究[D]. 王琴芳.杭州電子科技大學(xué) 2017



本文編號：3050079