论文部分内容阅读
手势是人机交互中最自然和直观的沟通方式之一，基于计算机视觉的手势识别已经成为主流。但此类方法存在人手分割不准确和旧手势识别模型不能快速迁移于新用户等问题。本文采用并行工作的双深度摄像头进行手势识别，提出了双深度摄像头的对齐方法和基于球体模型的人手分割方法，实现了人手的准确分割：同时，提出了一种自适应自迭代的在线增量式极速学习机，使得系统能够在记忆原有手势识别模型的基础上，实现新增手势对旧模型的修正，并加以自适应时效机制，以最大化新增手势对旧模型的贡献。使旧模型快速迁移于新用户。实验表明，本文提出的基于双通道深度融合的自适应手势识别方法能够识别用户在自然姿态下的手势，并能够在短时间内自动适应新用户，对新用户达到更高的手势识别准确率。