<span id="xqokc"><samp id="xqokc"></samp></span>

<track id="xqokc"><th id="xqokc"><optgroup id="xqokc"></optgroup></th></track>

<blockquote id="xqokc"><samp id="xqokc"><delect id="xqokc"></delect></samp></blockquote>

<blockquote id="xqokc"><sub id="xqokc"></sub></blockquote>

灰度處理

關(guān)注人關(guān)注

我要報(bào)錯(cuò)

基于 Leap Motion 和卷積神經(jīng)網(wǎng)絡(luò)的手勢識(shí)別

摘要：針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)需要人工對(duì)參數(shù)進(jìn)行提取的問題，提出基于 Leap Motion 結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的手勢識(shí)別方法。首先利用 Leap Motion 獲取高精度手勢圖像，然后對(duì)圖像進(jìn)行灰度處理，采用卷積神經(jīng)網(wǎng)絡(luò)算法自動(dòng)對(duì)原始圖像進(jìn)行特征提取及分類，最后設(shè)計(jì) 6 層卷積神經(jīng)網(wǎng)絡(luò)用于手勢識(shí)別。實(shí)驗(yàn)結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)算法在6 種手勢測試集上的準(zhǔn)確率可達(dá) 96.5%，且識(shí)別時(shí)間短，模型具有較好的魯棒性。

《物聯(lián)網(wǎng)技術(shù)》雜志
2021-11-23

手勢識(shí)別高精度 Leap Motion 灰度處理卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)