基于變目標(biāo)分類任務(wù)的手勢(shì)識(shí)別方法研究.pdf

1、手勢(shì)是人與人之間的一種交流方式，隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，手勢(shì)逐漸成為一種適應(yīng)社會(huì)需求的人機(jī)交互方式?；谝曈X的手勢(shì)識(shí)別方法因其直觀、自然等優(yōu)點(diǎn)，已經(jīng)成為了人機(jī)信息交互的重要手段。如何準(zhǔn)確的實(shí)現(xiàn)手勢(shì)的分類成為了目前學(xué)者們的研究重點(diǎn)。手勢(shì)識(shí)別首先要把圖像中關(guān)于手的部分分割出來，然后通過有效手段提取手勢(shì)特征，在不同算法下實(shí)現(xiàn)手勢(shì)識(shí)別。本文介紹了關(guān)于手勢(shì)識(shí)別的關(guān)鍵技術(shù)，以提高手勢(shì)識(shí)別正確率為目標(biāo)，在前人研究的基礎(chǔ)上，對(duì)手勢(shì)特征提取和手勢(shì)識(shí)別的

2、方法做重點(diǎn)研究。
　　本文對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行深入研究，實(shí)現(xiàn)并改進(jìn)了基于卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法。手勢(shì)特征提取是手勢(shì)識(shí)別的總要環(huán)節(jié)，提取特征的好壞直接影響手勢(shì)識(shí)別的結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的一種，具有很強(qiáng)的學(xué)習(xí)能力，該網(wǎng)絡(luò)通過多次卷積和池化操作，抽象出適用于識(shí)別和分類的高級(jí)特征，然后通過減小分類器得到預(yù)測(cè)的分類結(jié)果與真實(shí)數(shù)據(jù)標(biāo)簽之間的差距優(yōu)化網(wǎng)絡(luò)，并實(shí)現(xiàn)手勢(shì)識(shí)別。但是其參數(shù)多，計(jì)算量大，在數(shù)據(jù)有限的情況下，獲取高效特征

3、的能力有限。本文改進(jìn)了卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方式、特征提取與分類方法，通過用已有的模型對(duì)網(wǎng)絡(luò)進(jìn)行初始化，改變參數(shù)初始化方式，增加訓(xùn)練數(shù)據(jù)樣本的多樣性等方法，提高網(wǎng)絡(luò)的優(yōu)化效率和手勢(shì)的識(shí)別率，并對(duì)每一種方式進(jìn)行實(shí)驗(yàn)驗(yàn)證和分析。
　　本文提出了新的算法提高手勢(shì)識(shí)別來，首先進(jìn)行任務(wù)復(fù)雜化，將原始分類任務(wù)的簡(jiǎn)單目標(biāo)函數(shù)進(jìn)行拆分，形成一個(gè)復(fù)雜的分類任務(wù)，相當(dāng)于添加了一個(gè)強(qiáng)有力的規(guī)則化項(xiàng)，充分利用卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)完成這個(gè)復(fù)