基于卷积神经网络的手势识别

在手势识别的过程中,手势变化的多样性和手势本身的复杂性会对手势识别的精确性和可靠性带来更大的影响。为了能够在实现高准确率手势识别的同时降低识别速度,提出了一种基于深度卷积神经网络的准确的手势识别方法。该方法首先运用边缘检测算法和细化算法提取手势区域的边缘轮廓特征和手势骨架特征,然后采用特征融合的方法获取手势融合特征,最后通过对比几种常见机器学习算法(支持向量机、决策树、随机森林和卷积神经网络)在手势识别中的时间效率和准确精度,选取最优的手势识别模型。实验结果表明,在不同数据集下,通过实验数据对比,基于深度神经网络的手势识别虽然在平均时间开销上相对较高,但在识别准确率上却提升了2%,可以达到98.57%。