尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 手势识别是智能人机交互的重要手段之一,嵌入式计算环境下的手势识别具有便携、计算成本低等优点。在应用嵌入式设备进行手势识别时,自然场景中的特殊光线等环境条件会对手势特征提取造成较大影响,一些相似的手势在识别时也容易引起混淆,在考虑到... 展开 手势识别是智能人机交互的重要手段之一,嵌入式计算环境下的手势识别具有便携、计算成本低等优点。在应用嵌入式设备进行手势识别时,自然场景中的特殊光线等环境条件会对手势特征提取造成较大影响,一些相似的手势在识别时也容易引起混淆,在考虑到嵌入式计算环境的基础上,本文针对这个问题展开了研究。 本文提出了一种部署在嵌入式计算环境下的、基于HSV颜色空间补偿的BlazePalm特征提取方法与基于决策树的长短期记忆网络(Decision Tree-Long Short Term Memory,DT-LSTM)手势识别方法。在特征提取过程中,本文通过HSV颜色空间补偿方法的BlazePalm手势特征提取方法,改善了手势特征提取效果。基于DT-LSTM的手势识别方法通过分析提取的手部特征点,进而分析易混淆手势,再通过二次不同策略的剪枝操作分别处理混淆和非混淆特征,之后利用LSTM网络训练若干轻量模型,最后利用决策树思想整合轻量模型形成基于DT-LSTM的手势识别模型。该模型可以应用于手势识别,以解决因手势间部分特征相似而产生的混淆问题。 本文对基于HSV颜色空间补偿的BlazePalm特征提取方法进行了消融实验,实验结果表明本文所提方法比改进之的BlazePalm特征提取方法在复杂背景下提取特征点的准确率高出约15%。本文还对基于DT-LSTM的手势识别方法设计并实现了模型精度、大小、速度对比实验,实验结果表明,在嵌入式计算环境下本文所提方法优于基于RNN、LSTM和GRU网络的手势识别方法。该方法拥有更好的模型精度,较好的模型大小以及在嵌入式计算环境下较好的运行速度。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。