基于无线传感技术与卷积神经网络的静态手语识别方法

基于传感网络的手语识别随着手势复杂程度的提升,识别的难度增大,因此,为了获取更加精准的静态手语识别结果,提出了基于无线传感技术与卷积神经网络的静态手语识别方法。通过无线传感技术对静态手语图像进行滤波处理,采用特征提取方法提取静态手语特征并进行融合处理,将融合后的连续二维特征图像直接转换为一维向量,将其作为卷积神经网络的输入,通过迭代训练完成静态手语识别。实验结果表明,所提方法在不同场景下静态手语识别精度高于94.11%,且识别速度较快,由此验证了所提方法可以快速准确完成静态手语识别。

基于卷积神经网络的静态手指语识别

手语识别可以使聋哑人与健全人之间的交流更加便捷,随着深度学习领域的快速发展,手语识别领域迎来了新的机遇。以复杂背景下的静态美国手指语(american sign language,ASL)为研究对象,针对手指语检测准确率低的问题,提出了一种基于Inception结构的卷积神经网络手指语识别新方法。使用填充法将手语图片调整为64×64大小,损失函数选用交叉熵,优化器使用Adam算法。实验结果表明,方法在复杂背景下的手指语识别准确率为98%,优于其他3种传统的手指语识别方法。