計(jì)算機(jī)科學(xué)的發(fā)展促進(jìn)了人機(jī)交互技術(shù)的進(jìn)步。從早期輸入文本命令的交互方式開(kāi)始,人機(jī)交互方式逐漸向自然化、直觀化的方向發(fā)展。手勢(shì)作為人機(jī)交互方式的一種,具有豐富、靈活、直觀等特點(diǎn),且符合人們?nèi)粘５纳詈徒涣髁?xí)慣。近年來(lái),基于手勢(shì)識(shí)別的人機(jī)交互方式逐漸引起了研究者們的關(guān)注。手勢(shì)識(shí)別方法可分成基于外部設(shè)備的方法和基于計(jì)算機(jī)視覺(jué)的方法�；谕獠吭O(shè)備的手勢(shì)識(shí)別方法,如數(shù)據(jù)手套等方式已經(jīng)相當(dāng)成熟,并被廣泛應(yīng)用。而基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別方法仍然不夠成熟,傳統(tǒng)手勢(shì)識(shí)別方法一般都是基于支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等淺層機(jī)器學(xué)習(xí)算法,手勢(shì)的識(shí)別率難以達(dá)到應(yīng)用級(jí)別的要求,且傳統(tǒng)算法的提升空間較小。近年來(lái),深度學(xué)習(xí)的興起為手勢(shì)識(shí)別提供了新的思路。文章介紹了深度學(xué)習(xí)的相關(guān)理論,并主要就深度學(xué)習(xí)的三個(gè)常用網(wǎng)絡(luò)模型進(jìn)行說(shuō)明和分析,最終選取了最適合手勢(shì)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)作為本文的研究重點(diǎn)。隨后對(duì)靜態(tài)手勢(shì)識(shí)別的主要步驟進(jìn)行了說(shuō)明,并給出了每一步驟具體的處理方法。初步設(shè)計(jì)了一種八層的卷積神經(jīng)網(wǎng)絡(luò)用于手勢(shì)識(shí)別。研究了影響卷積神經(jīng)網(wǎng)絡(luò)性能的兩種因素,梯度下降策略的選擇和全連接層神經(jīng)元個(gè)數(shù)的多少。最終得出選用Ada Delta梯度... 

【文章來(lái)源】：安徽工程大學(xué)安徽省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

索尼公司推出的EyeToy

2圖 1-2 微軟公司推出的 Kinect設(shè)備的手勢(shì)識(shí)別主要通過(guò)外部輔助設(shè)備，例如數(shù)據(jù)手套來(lái)定等信息來(lái)識(shí)別當(dāng)前手勢(shì)。這種手勢(shì)識(shí)別方法能夠取得較高。目前此類方法已成功運(yùn)用于虛擬現(xiàn)實(shí)游戲等領(lǐng)域。但這種處。首先基于外部設(shè)備的方法局限性較大，必須依賴外部設(shè)次價(jià)格比較昂貴。機(jī)視覺(jué)的手勢(shì)識(shí)別主要通過(guò)攝像頭來(lái)獲取手勢(shì)，對(duì)獲取的手

手勢(shì)識(shí)別方法進(jìn)行研究。究現(xiàn)狀及發(fā)展趨勢(shì)國(guó)外研究現(xiàn)狀期的手勢(shì)識(shí)別主要是通過(guò)外部設(shè)備獲取手勢(shì)信息，典型的代表為數(shù)據(jù)手套T&T 公司的 Grimes[1]創(chuàng)造性的發(fā)明了數(shù)據(jù)手套，并申請(qǐng)了專利。使用者穿戴算機(jī)通過(guò)數(shù)據(jù)手套獲取人的手與關(guān)節(jié)之間的空間信息，進(jìn)而識(shí)別出手勢(shì)s 的數(shù)據(jù)手套雖然只能識(shí)別簡(jiǎn)單的手勢(shì)類別，但是他開(kāi)創(chuàng)了數(shù)據(jù)手套應(yīng)用先河。隨后，1984 年，VPL 公司推出了帶有“光纖彎曲傳感器”的數(shù)據(jù)手夠檢測(cè)出手指的彎曲和外展，豐富了手勢(shì)信息。1991 年 Virtual Techno出了著名的 CyberGlove 數(shù)據(jù)手套，包含線性扭曲傳感器和張力變形測(cè)量勢(shì)識(shí)別的精確定度和穩(wěn)定性。其隨后推出的系列產(chǎn)品已成功應(yīng)用于手語(yǔ)識(shí)等領(lǐng)域。

【參考文獻(xiàn)】：
期刊論文
[1]基于SVM和組合優(yōu)化模型的手勢(shì)識(shí)別[J]. 蔡芝蔚,吳淑燕,宋俊鋒.  系統(tǒng)仿真學(xué)報(bào). 2016(08)
[2]基于改進(jìn)Hu矩算法的Kinect手勢(shì)識(shí)別[J]. 蒲興成,王濤,張毅.  計(jì)算機(jī)工程. 2016(07)
[3]結(jié)合膚色模型和卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別方法[J]. 王龍,劉輝,王彬,李鵬舉.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)
[4]基于改進(jìn)的YCbCr空間及多特征融合的手勢(shì)識(shí)別[J]. 薛俊韜,縱蘊(yùn)瑞,楊正瓴.  計(jì)算機(jī)應(yīng)用與軟件. 2016(01)
[5]一種基于數(shù)據(jù)手套的靜態(tài)手勢(shì)識(shí)別方法[J]. 呂蕾,張金玲,朱英杰,劉弘.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(12)
[6]基于深度圖像HOG特征的實(shí)時(shí)手勢(shì)識(shí)別方法[J]. VanBang L E,朱煜,趙江坤,陳寧.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[7]基于Kinect的手勢(shì)識(shí)別算法研究及應(yīng)用[J]. 吳曉雨,楊成,馮琦.  計(jì)算機(jī)應(yīng)用與軟件. 2015(07)
[8]結(jié)合膚色分割和ELM算法的靜態(tài)手勢(shì)識(shí)別[J]. 楊麗,胡桂明,黃東芳,周楊.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別初探[J]. 蔡娟,蔡堅(jiān)勇,廖曉東,黃海濤,丁僑俊.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(04)
[10]基于Kinect深度信息的手勢(shì)分割與識(shí)別[J]. 毛雁明,章立亮.  系統(tǒng)仿真學(xué)報(bào). 2015(04)



本文編號(hào)：3130336