基于卷积神经网络的手势识别

手势识别是人机交互,智能语义识别和远程人机交流领域的热门研究课题。目前基于视觉的手势识别问题仍是研究的难点,在多变背景下的手势姿态识别仍然存在较大问题。近年来,随着深度神经网络技术的快速发展,利用网络自主学习的方法来提取手势姿态有关特征得到了广泛关注。由于卷积神经网络具有较强的学习能力和个体特征的表达能力,本文针对传统手势识别算法精度低,鲁棒性差的问题,提出了基于卷积神经网络的TensorFlow框架下加入扁平卷积模块的FD-CNN网络手势识别算法。在预处理数据集后,基于FD-CNN网络的手势识别方法可以直接将预处理后的图像输入网络进行训练,最终输出测试结果的识别精度为99.0%。与传统方法和经典卷积神经网络方法相比,本文方法提高了网络系统对样本数据的多样性和复杂性的有效识别,具有较高的识别率和较好的鲁棒性效果。