基于UGF-Net的指尖检测模型

作者：刘佳; 卞方舟; 陈大鹏; 李为斌

来源：计算机工程与应用, 2021, 1-9.

• 卷积神经网络
• 深度学习
• 指尖检测
• 手势识别
• 目标检测

在人机交互领域，精确的人手指尖检测对交互的丰富度、灵活度有很大影响。然而，由于指尖的尺寸较小，精确、鲁棒的指尖检测目前仍然是一项颇具挑战性的任务。为了提升指尖检测的准确率与实时性，提出一种基于深度卷积神经网络的指尖检测模型UGF-Net（Unified-Gesture-and-Fingertip- Network）。该模型可以同时进行指尖检测与手势识别，利用YOLO算法来提取手势区域，通过FCNN输出可视化高斯热图来实现指尖检测。最后通过实验验证本文指尖检测模型的有效性和鲁棒性，在SCUT-Ego-Gesture数据集上对模型进行了测试，结果表明，指尖检测的准确率可达到99.8%，且实时视频图像的平均帧率达到34.5 fps，满足实时性的要求。

• 单位
  自动化学院; 南京信息工程大学