期刊文献+

基于Leap Motion和卷积神经网络的手势识别 被引量:2

下载PDF
导出
摘要 针对传统神经网络需要人工对参数进行提取的问题,提出基于Leap Motion结合卷积神经网络的手势识别方法。首先利用Leap Motion获取高精度手势图像,然后对图像进行灰度处理,采用卷积神经网络算法自动对原始图像进行特征提取及分类,最后设计6层卷积神经网络用于手势识别。实验结果表明,卷积神经网络算法在6种手势测试集上的准确率可达96.5%,且识别时间短,模型具有较好的鲁棒性。
出处 《物联网技术》 2019年第10期47-49,共3页 Internet of things technologies
基金 天津市国家级大学生创新创业训练计划项目:特种环境下车载可拆卸机械臂(201813663001)
  • 相关文献

参考文献8

二级参考文献43

  • 1黄华,张小锋,江泽涛.一种双目视觉的匹配模板优化方法[J].微电子学与计算机,2009,26(3):13-16. 被引量:3
  • 2仇鹏翔,钟振.最佳匹配的应用[J].佳木斯教育学院学报,2012(10):24-25. 被引量:1
  • 3张凯.基于立体视觉的自然手势识别[学位论文].北京:北京大学,2005.
  • 4LeCun Y, Bottou L, Bengio Y, Haffner P. Gradient-based learning applied to document recognition. USA: IEEE, 1998: 2278-2324.
  • 5Lauer F, Suen CY, Bloch G. A trainable feature extractor for handwritten digit recognition. Pattern Recognition, 2007, 40(6):1816-1824.
  • 6Lawrence S, Giles CL, Tsoi AC, Back AD. Face recognition: A convolutional neural network approach. IEEE Trans. on Neural Networks, 1997, 8(1): 98-113.
  • 7Tivive FHC, Bouzerdoum A. An eye feature detector based on convolutional neural network. Proc. 8th Int. Symp. Signal Process. Applic. Sydney, New South Wales, Australia. IEEE, 2005: 90-93.
  • 8Mate S, Akira Y, Munetaka Y, Jun O. Pedestrian detection with convolutional neural networks. IEEE Intelligent Vehicles Symposium Proceedings. USA: IEEE, 2005: 224-229.
  • 9Cun YL, Muller U, Ben J, Cosatto E, Flepp B. Off-road obstacle avoidance through end-to-end learning. Advances in Neural Information Processing Systems. USA: MIT Press, 2005.
  • 10秦奕青,蔡卫东,杨炳儒.非线性时间序列的相空间重构技术研究[J].系统仿真学报,2008,20(11):2969-2973. 被引量:25

共引文献150

同被引文献12

引证文献2

二级引证文献5

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部