計算機(jī)科學(xué)的發(fā)展促進(jìn)了人機(jī)交互技術(shù)的進(jìn)步。從早期輸入文本命令的交互方式開始,人機(jī)交互方式逐漸向自然化、直觀化的方向發(fā)展。手勢作為人機(jī)交互方式的一種,具有豐富、靈活、直觀等特點(diǎn),且符合人們?nèi)粘５纳詈徒涣髁?xí)慣。近年來,基于手勢識別的人機(jī)交互方式逐漸引起了研究者們的關(guān)注。手勢識別方法可分成基于外部設(shè)備的方法和基于計算機(jī)視覺的方法�；谕獠吭O(shè)備的手勢識別方法,如數(shù)據(jù)手套等方式已經(jīng)相當(dāng)成熟,并被廣泛應(yīng)用。而基于計算機(jī)視覺的手勢識別方法仍然不夠成熟,傳統(tǒng)手勢識別方法一般都是基于支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等淺層機(jī)器學(xué)習(xí)算法,手勢的識別率難以達(dá)到應(yīng)用級別的要求,且傳統(tǒng)算法的提升空間較小。近年來,深度學(xué)習(xí)的興起為手勢識別提供了新的思路。文章介紹了深度學(xué)習(xí)的相關(guān)理論,并主要就深度學(xué)習(xí)的三個常用網(wǎng)絡(luò)模型進(jìn)行說明和分析,最終選取了最適合手勢識別的卷積神經(jīng)網(wǎng)絡(luò)作為本文的研究重點(diǎn)。隨后對靜態(tài)手勢識別的主要步驟進(jìn)行了說明,并給出了每一步驟具體的處理方法。初步設(shè)計了一種八層的卷積神經(jīng)網(wǎng)絡(luò)用于手勢識別。研究了影響卷積神經(jīng)網(wǎng)絡(luò)性能的兩種因素,梯度下降策略的選擇和全連接層神經(jīng)元個數(shù)的多少。最終得出選用Ada Delta梯度... 

【文章來源】：安徽工程大學(xué)安徽省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

索尼公司推出的EyeToy

2圖 1-2 微軟公司推出的 Kinect設(shè)備的手勢識別主要通過外部輔助設(shè)備，例如數(shù)據(jù)手套來定等信息來識別當(dāng)前手勢。這種手勢識別方法能夠取得較高。目前此類方法已成功運(yùn)用于虛擬現(xiàn)實游戲等領(lǐng)域。但這種處。首先基于外部設(shè)備的方法局限性較大，必須依賴外部設(shè)次價格比較昂貴。機(jī)視覺的手勢識別主要通過攝像頭來獲取手勢，對獲取的手

手勢識別方法進(jìn)行研究。究現(xiàn)狀及發(fā)展趨勢國外研究現(xiàn)狀期的手勢識別主要是通過外部設(shè)備獲取手勢信息，典型的代表為數(shù)據(jù)手套T&T 公司的 Grimes[1]創(chuàng)造性的發(fā)明了數(shù)據(jù)手套，并申請了專利。使用者穿戴算機(jī)通過數(shù)據(jù)手套獲取人的手與關(guān)節(jié)之間的空間信息，進(jìn)而識別出手勢s 的數(shù)據(jù)手套雖然只能識別簡單的手勢類別，但是他開創(chuàng)了數(shù)據(jù)手套應(yīng)用先河。隨后，1984 年，VPL 公司推出了帶有“光纖彎曲傳感器”的數(shù)據(jù)手夠檢測出手指的彎曲和外展，豐富了手勢信息。1991 年 Virtual Techno出了著名的 CyberGlove 數(shù)據(jù)手套，包含線性扭曲傳感器和張力變形測量勢識別的精確定度和穩(wěn)定性。其隨后推出的系列產(chǎn)品已成功應(yīng)用于手語識等領(lǐng)域。

【參考文獻(xiàn)】：
期刊論文
[1]基于SVM和組合優(yōu)化模型的手勢識別[J]. 蔡芝蔚,吳淑燕,宋俊鋒.  系統(tǒng)仿真學(xué)報. 2016(08)
[2]基于改進(jìn)Hu矩算法的Kinect手勢識別[J]. 蒲興成,王濤,張毅.  計算機(jī)工程. 2016(07)
[3]結(jié)合膚色模型和卷積神經(jīng)網(wǎng)絡(luò)的手勢識別方法[J]. 王龍,劉輝,王彬,李鵬舉.  計算機(jī)工程與應(yīng)用. 2017(06)
[4]基于改進(jìn)的YCbCr空間及多特征融合的手勢識別[J]. 薛俊韜,縱蘊(yùn)瑞,楊正瓴.  計算機(jī)應(yīng)用與軟件. 2016(01)
[5]一種基于數(shù)據(jù)手套的靜態(tài)手勢識別方法[J]. 呂蕾,張金玲,朱英杰,劉弘.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2015(12)
[6]基于深度圖像HOG特征的實時手勢識別方法[J]. VanBang L E,朱煜,趙江坤,陳寧.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[7]基于Kinect的手勢識別算法研究及應(yīng)用[J]. 吳曉雨,楊成,馮琦.  計算機(jī)應(yīng)用與軟件. 2015(07)
[8]結(jié)合膚色分割和ELM算法的靜態(tài)手勢識別[J]. 楊麗,胡桂明,黃東芳,周楊.  廣西大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢識別初探[J]. 蔡娟,蔡堅勇,廖曉東,黃海濤,丁僑俊.  計算機(jī)系統(tǒng)應(yīng)用. 2015(04)
[10]基于Kinect深度信息的手勢分割與識別[J]. 毛雁明,章立亮.  系統(tǒng)仿真學(xué)報. 2015(04)



本文編號：3130336