×

基于改进YOLOv的静态手势实时识别方法

消耗积分:0 | 格式:pdf | 大小:3.59 MB | 2021-05-27

分享资料个

　　针对基于人工建模方式的手势识别方法准确率低、速度慢的问题，提岀一种基于改进YOLOⅴ3的静态手势实时识别方法。采用卷积神经网络YOLOⅴ3模型，将通过 Kinect设备采集的R、 Registration of rgb、RGB和Depth图像代替常用的RGB图像作为数据集，并融合四类图像的识别结果以提高识别准确率。采用k- means聚类算法对YoLO3中的初始候选框参数进行优化，从而加快识别速度在此基础上，利用迁移学习的方法对基础特征提取器进行改进，以缩短模型的训练时间。实验结果表明，该流式视频静态手势的平均识别准确率为99.8%，识别速度高达52FPS，模型训练时间为12h，与 Faster-cnna D YOLOV2等深度学习方法相比，其识别精度更高，识别速度更快。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !