隨著計算機(jī)的普及和發(fā)展,人機(jī)交互技術(shù)已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠�。無需可穿戴設(shè)備的手勢交互方式因其自然、便捷的操作,已經(jīng)成為一種新興的人機(jī)交互方式,可以廣泛應(yīng)用在游戲制作、醫(yī)療器械操作和多媒體設(shè)備操控等場景中。因此近年來隨著深度學(xué)習(xí)技術(shù)的成熟,基于計算機(jī)視覺的手勢識別技術(shù)成為了人機(jī)交互中一個炙手可熱的研究領(lǐng)域。許多研究為了探究準(zhǔn)確性更高的卷積神經(jīng)網(wǎng)絡(luò),單純地從離線測試的角度進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計,加大網(wǎng)絡(luò)規(guī)模與計算量,而忽略了在移動平臺部署系統(tǒng)的可行性。此外在實際應(yīng)用場景下,如何處理不斷輸入的視頻流,在保證系統(tǒng)實時性的前提下進(jìn)行在線檢測與識別也一定程度上加大了手勢識別的難度。針對以上不足和難點,本論文以保證系統(tǒng)實時性與部署的可行性為前提,構(gòu)建了更加貼近實際人機(jī)交互場景的動態(tài)手勢數(shù)據(jù)集101Gesture,設(shè)計了輕量級動態(tài)手勢檢測網(wǎng)絡(luò)以及識別網(wǎng)絡(luò),實現(xiàn)了完整的實時動態(tài)手勢識別系統(tǒng)。本論文的主要工作以及創(chuàng)新研究成果如下:1.構(gòu)建了動態(tài)手勢數(shù)據(jù)集101Gesture。針對動態(tài)手勢識別的難點以及現(xiàn)有數(shù)據(jù)集的不足,本文從實際應(yīng)用場景出發(fā),構(gòu)建了更加貼近實際人機(jī)交互場景,動作實例長度多樣性更加...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)技術(shù)的手勢識別方法
        1.2.2 基于深度學(xué)習(xí)技術(shù)的手勢識別方法
    1.3 本文研究內(nèi)容
    1.4 本文結(jié)構(gòu)安排
2 手勢識別數(shù)據(jù)集
    2.1 公開手勢數(shù)據(jù)集
    2.2 動態(tài)手勢數(shù)據(jù)集101Gesture
        2.2.1 概述
        2.2.2 數(shù)據(jù)采集及標(biāo)注
        2.2.3 數(shù)據(jù)集統(tǒng)計分析
    2.3 本章小結(jié)
3 基于輕量卷積神經(jīng)網(wǎng)絡(luò)的手勢識別方法
    3.1 引言
    3.2 動作檢測網(wǎng)絡(luò)
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的輕量化
        3.2.2 動作檢測
        3.2.3 MotionNet
        3.2.4 實驗
    3.3 動作分類網(wǎng)絡(luò)
        3.3.1 相關(guān)工作
        3.3.2 ActionNet網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.3 實驗
    3.4 本章小結(jié)
4 實時動態(tài)手勢識別系統(tǒng)
    4.1 引言
    4.2 系統(tǒng)結(jié)構(gòu)
    4.3 實驗
        4.3.1 歸一化Levenshtein距離
        4.3.2 在線測試數(shù)據(jù)集101Gesture-Long
        4.3.3 實驗設(shè)計及實驗結(jié)果
    4.4 本章小結(jié)
5 總結(jié)和展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
發(fā)表成果目錄



本文編號：3763567