基于卷积神经网络的手势识别研究

被引：20

作者：

操小文

薄华

机构：

[1] 上海海事大学信息工程学院

来源：

微型机与应用 | 2016年 / 35卷 / 09期

关键词：

特征提取; 卷积神经网络; 手势识别; 鲁棒性;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

传统的手势识别系统由特征提取和分类器组成,需要人工设计特征,但很难达到足够满意的效果且耗费大量的时间。将卷积神经网络应用于手势识别,能直接把图像数据输入网络,且不用进行复杂的前期预处理。卷积神经网络拥有很强的鲁棒性和较低的复杂性,通过大量的仿真实验,证明了该识别方法具有很好的识别效果,相比现有方法有较大的优势。

引用

页码：55 / 57+61 +61

页数：4

共 12 条

[1]

基于视觉的实时手势识别及应用.[D].刘飞飞.长安大学.2015, 01

[2]

基于视觉的复杂背景下手势识别方法的研究.[D].孙世辉.大连海事大学.2014, 03

[3]

基于计算机视觉的静态手势识别.[D].殷倩倩.复旦大学.2014, 01

[4]

基于视觉的静态手势识别系统.[D].王茂吉.哈尔滨工业大学.2006, 04

[5] Dissociation of gesture and object recognition [J].

Schwartz, RL ;

Barrett, AM ;

Crucian, GP ;

Heilman, KM .

NEUROLOGY, 1998, 50 (04) :1186-1188

[6] 基于卷积神经网络的图像识别算法设计与实现 [J].

王振 ;

高茂庭 .

现代计算机(专业版), 2015, (20) :61-66

[7] 基于卷积神经网络的手势识别初探 [J].

蔡娟 ;

蔡坚勇 ;

廖晓东 ;

黄海涛 ;

丁侨俊 .

计算机系统应用, 2015, 24 (04) :113-117

[8] 基于视觉的手势识别技术及其应用研究 [J].

张圆圆 .

计算技术与自动化, 2015, 34 (01) :131-135

[9] 基于卷积神经网络LeNet-5的车牌字符识别研究 [J].

赵志宏 ;

杨绍普 ;

马增强 .

系统仿真学报, 2010, 22 (03) :638-641

[10] 基于HMM-FNN模型的复杂动态手势识别 [J].

王西颖 ;

戴国忠 ;

张习文 ;

张凤军 .

软件学报, 2008, (09) :2302-2312

← 1 2 →