基于DSSD的静态手势实时识别方法

作者：周文军; 张勇; 王昱洁

来源：计算机工程, 2020, 46(02): 255-261.

DOI：10.19678/j.issn.1000-3428.0053447

• 手势识别
• DSSD检测算法
• K-means算法
• 迁移学习
• 小手势目标

手势识别作为一种自然和谐的人机交互方式,具有广泛的应用前景,而传统手势识别方法准确率不高、实时性较差。为此,在DSSD网络模型的基础上,提出一种静态手势实时识别方法。自制手势数据集,通过K-means算法及手肘法选取先验框的宽高比,采用迁移学习的方法解决数据量小导致的检测精度低的问题,同时根据识别精度选择ResNet101为DSSD模型的基础网络,经DSSD模型的反卷积模块融合各个特征提取层的语义信息,加强对小手势目标的检测能力。实验结果表明,该方法识别静态手势的识别率达到95.6%,较基于Faster R-CNN、YOLO和SSD的手势识别方法分别提高了3.6%、4.5%及2.3%,其检测速度为8 frame/s,能够满足实时检测要求。

• 单位
  合肥工业大学