基于卷积神经网络的手势识别方法

作者：郝禹哲; 张玉金^*; 田海越; 彭冬生; 余洛; 袁天夫

来源：传感器与微系统, 2020, 39(05): 48-50.

DOI：10.13873/J.1000-9787(2020)05-0048-03

• 手势识别
• 卷积神经网络
• 池化
• 深度学习

使用手势图像作为输入,通过4个卷积层,每2个卷积层后接1个池化层。第一个卷积层利用64个3×3的3通道卷积核对128×128的原始手势图像进行特征提取,第二个卷积层利用32个3×3卷积核进行特征提取,并采用2×2的池化窗口进行降维,第三和第四个卷积层分别利用32个3×3的卷积核和16个3×3的卷积核提取特征,再用2×2的池化窗口进行降维。网络经过全连接后,利用Dropout技术移除一些节点及其相关的输入、输出连接后,将其送入Soft Max层进行分类判决。实验结果表明:所提方法的手势识别准确率可达到97%左右,验证了该模型的有效性。

• 单位
  上海工程技术大学; 无锡江南计算技术研究所