基于机器学习的手势识别技术研究

• 作 者: 张迪
• 出 处: 南京邮电大学
• 发表日期: 2020年02期
• 关键词: 机器学习 手势识别 手势分割 卷积神经网络 随机森林

随着人工智能技术的迅速发展,智能化设备逐渐融入到人们生活的方方面面,因此对各类人机交互技术的需求也在不断地增加。手势是人们常用肢体语言之一,是一种自然直观、有效简洁的沟通方式。基于计算机视觉的手势识别逐渐成为人机交互的重要研究领域,是热门的研究课题之一。本文对基于机器学习的手势识别技术进行了深入的研究,主要工作如下:一、研究基于肤色的多手势图像精准分割算法:首先,分析了不同亮度下的肤色在不同颜色空间中的分布特性,通过结合在实际场景中的手势分割质量,从中选出了最合适的颜色空间用于建立肤色模型。其次,分析了多层次手部形状特征,研究了手部区域的最小绑定矩形(MBR)与最小面积绑定矩形(MABR),确定了手腕分割线,实现了对手臂冗余去除,为手势识别模型的建立奠定了基础。二、研究基于新型RF-Net模型的手势识别算法:首先,对RF-Net模型的架构进行了描述:在AlexNet模型的基础上加入了BN层、1*1卷积层、动态学习率等优化方法,提出了AlexNet_I模型,通过固定AlexNet_I模型除全连接层外的网络参数,用于对手势图像的特征提取,即RF-Net模型的卷积架构;随机森林具有抗过拟合能力强和具有高识别率的优点,同时其并行计算策略大大降低了识别时长,用于对手势图像进行判决,即RF-Net模型的判决架构。RF-Net模型结合了卷积神经网络能够通过卷积核提取目标物体的特征优点与随机森林抗过拟合能力强和具有高识别率的优点。通过在Marcel数据集、HGCHA数据集与经过手势分割处理后的数据集中训练,对识别精度与识别速度进行了测试,证明了本文提出的手势分割算法与基于RF-Net模型的手势识别算法在手势识别领域的有效性。三、开发并实现了面向家居场景的手势识别控制系统:首先,阐述了手势识别控制系统的软硬件环境,并对手势采集系统与手势识别功能进行了说明。其次,对系统在功能、性能等方面进行了测试,验证了本系统在功能与性能上的技术优势。