基于CNN的手勢(shì)姿態(tài)估計(jì)在手勢(shì)識(shí)別中的應(yīng)用.pdf

1、手勢(shì)識(shí)別是人機(jī)交互領(lǐng)域一個(gè)重要的研究方向。使用手勢(shì)作為人機(jī)交互接口，自然、直觀，又貼近人類(lèi)交流習(xí)慣，其應(yīng)用前景廣泛。針對(duì)手勢(shì)識(shí)別算法應(yīng)用于人機(jī)交互時(shí)，往往要求使用者手勢(shì)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(shí)別這個(gè)問(wèn)題，本文提出一種應(yīng)用手勢(shì)姿態(tài)估計(jì)方法于手勢(shì)識(shí)別之中的算法。通過(guò)應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)深度圖中人手進(jìn)行姿態(tài)估計(jì)，得到關(guān)鍵關(guān)節(jié)點(diǎn)的空間坐標(biāo)再使用它們進(jìn)行手勢(shì)識(shí)別，使得非典型手勢(shì)可以同典型手勢(shì)一樣被識(shí)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(chǎng)景中的手勢(shì)部分。對(duì)分割出來(lái)的手勢(shì)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(shì)深度圖。
　　2.對(duì)于用于姿態(tài)估計(jì)的卷積網(wǎng)絡(luò)模型，通過(guò)加入非線性手勢(shì)模型中間層以及使用多分辨率的手勢(shì)深度圖作為網(wǎng)絡(luò)輸入提高準(zhǔn)確率；通過(guò)減少需要估計(jì)的手勢(shì)關(guān)節(jié)點(diǎn)數(shù)只保留有關(guān)鍵作用的關(guān)節(jié)點(diǎn)以提高檢測(cè)速度。實(shí)驗(yàn)證明，本文提出的網(wǎng)絡(luò)模型使手勢(shì)姿態(tài)估計(jì)平均誤差降