基于卷积神经网络的电力查询设备手势操控算法研究

当电力设备噪声大且不在可接触范围内时,工作人员难以通过触屏、触键或语音方式操控查询设备。探索了一种基于卷积神经网络的手势识别算法。首先采用基于YCrCb的颜色空间变换和基于OSTU的自适应图像二值化对图像进行压缩处理,然后采用两层卷积层对特征进行提取,最后用Softmax进行分类。为了提高模型的计算速度,激活函数优化为ReLu,并添加了Dropout层。结果表明,算法能够识别自定义的9种手势,平均识别率高于99.6%。因满足精度要求,故可用于电力查询设备的操控。