一种基于深度学习的静态手势实时识别方法

手势是人机交互的一种方式,更是听力言语障碍人群与他人交流的一种语言。针对手势识别速度和检测率这两个难点,提出一种静态手势检测网络模型ASSD。该模型基于深度学习的SSD方法,将原方法的特征提取网络VGG16用改进的卷积神经网络Alex Net取代,以进一步提高识别速度。同时,辅助网络使用多尺度特征检测、卷积预测器检测和默认框与宽高比等策略。这些特性使得该模型有着端到端识别优点,在保证识别精度的同时大大提高识别速度。实验结果表明提出的方法对流式视频静态手势的平均识别率达到93.3%,平均识别速度达到30fps,满足实时性与准确率要求。