基于YOLO算法的手势识别

被引：31

作者：

王粉花 ^{[1
,2
,3
]}

黄超 ^{[1
]}

赵波 ^{[1
]}

张强 ^{[1
]}

机构：

[1] 北京科技大学自动化学院

[2] 北京科技大学人工智能研究院

[3] 北京市工业波谱成像工程中心

来源：

北京理工大学学报 | 2020年 / 40卷 / 08期

基金：

中央高校基本科研业务费专项资金资助; 国家重点研发计划;

关键词：

手势识别; YOLO算法; YOLOv3-tiny-T算法; 平均精度均值;

D O I：

10.15918/j.tbit1001-0645.2019.030

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

研究YOLO算法在手势识别中的应用,提升在近肤色和光线明暗不一的背景下检测的速度和精度.YOLO算法是端到端的检测方法,通过卷积神经网络自动提取目标的特征,可以大幅度提高运算速度.鉴于YOLO算法在目标检测任务中的优良表现,将YOLO算法应用到手势识别问题中.通过对YOLO系列算法的研究对比表明,YOLO算法在手势识别中具有良好表现.同时,在YOLOv3算法的快速版本YOLOv3-tiny的基础上提出了YOLOv3-tiny-T算法.YOLOv3-tiny-T在包含5种手势的UST数据集上,平均精度均值为92.24%,较YOLOv3-tiny获得了5%左右的提升.

引用

页码：873 / 879

页数：7

共 6 条

[1] 基于肤色和模板匹配的静态手势识别 [J].

张晓燕 .

电子世界, 2019, (15) :202-202

[2] 基于栈式稀疏自编码多特征融合的快速手势识别方法 [J].

强彦 ;

董林佳 ;

赵涓涓 ;

张婷 .

北京理工大学学报, 2019, 39 (06) :638-643

[3] 基于卷积神经网络的手势识别 [J].

杨红玲 ;

宣士斌 ;

莫愿斌 .

计算机技术与发展, 2018, 28 (07) :11-14

[4] 一种基于深度学习的静态手势实时识别方法 [J].

张勋 ;

陈亮 ;

胡诚 ;

孙韶媛 .

现代计算机(专业版), 2017, (34) :6-11

[5]

Combining multiple depth-based descriptors for hand gesture recognition[J] . Fabio Dominio,Mauro Donadeo,Pietro Zanuttigh.Pattern Recognition Letters . 2013

[6]

The talking glove[J] . James Kramer,Larry Leifer.ACM SIGCAPH Computers and the Physically Handicapped . 1988 (39)

← 1 →