资源描述：
《基于改进型多维卷积神经网络的微动手势识别方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、（录用定稿）网络首发时间:2017-10-1313:25:39GB/T7714-2015格式参考文献：李玲霞;王羽;吴金君;王沙沙.基于改进型多维卷积神经网络的微动手势识别方法[J/OL].计算机工程,:1-7.(2017-10-13).http://kns.cnki.net.cslg.vpn358.com/kcms/detail/31.1289.TP..1325.002.html.基于改进型多维卷积神经网络的微动手势识别方法李玲霞王羽吴金君王沙沙重庆邮电大学移动通信技术重庆市重点实验室导出/参考文献已关注关注X关注成功！加关注后您将方便地在我的关注中得到本文献的被引频次变化的通
2、知！分享·新浪微博·腾讯微博·人人网·开心网·豆瓣网·网易微博收藏打印摘 要：近年来,基于计算机视觉的手势识别作为一种简单高效的手势识别方法在各类场景中得到广泛应用。目前大多数基于计算机视觉的手势识别方法都以图像为数据源,通过二维卷积神经网络(2D-CNN)实现静态手势识别。针对传统二维卷积神经网络遗漏时间维度信息导致不能识别微动手势这一缺陷,提出一种新的基于视频流的微动手势识别方法,有效提高了手势识别的整体性能。该方法首先对输入视频流进行简单预处理,然后利用改进型多维卷积神经网络(MD-CNN)提取手势的时空特征,最后融合多传感器信息并通过支持向量机SVM)实现微动手势识
3、别。实验表明,本文所提方法对手势的背景和光照都具有良好的鲁棒性,且针对各类动态手势数据集均能达到87%以上的识别准确率。关键词：计算机视觉;手势识别;二维卷积神经网络;多维卷积神经网络;支持向量机;鲁棒性;作者简介：李玲霞(1976—),女,副教授,主研方向为深度学习、手势识别技术、宽度无线接入技术;E-mail:lilx@cqupt.edu.cn作者简介：王羽,硕士研究生。作者简介：吴金君,硕士研究生。作者简介：王沙沙,硕士研究生。基金：重庆市基础与前沿研究计划项目(cstc2013jcyjA40032)Micro-motionHandGestureRecognitionBas
4、edonImprovedMultipleDimensionalConvolutionNeuralNetworkLILingxiaWANGYuWUJinjunWANGShashaChongqingKeyLabofMobileCommunicationsTechnology,ChongqingUniversityofPostsandTelecommunications;Abstract：Recently,asoneofthesimpleandefficientgesturerecognitionmethods,handgesturerecognitionbasedoncomputer
5、visioniswidelyusedinvariousscenarios.Atpresent,mostofthecomputer-visionbasedhandgesturerecognitionmethodsuseimagesasinputdata,andthenapplyTwoDimensionalConvolutionalNeuralNetwork(2D-CNN)toachievestaticgesturerecognition.Forthetraditional2D-CNN,thetimedimensioninformationislost,andthusthedynam
6、icgesturecannotberecognized.Therefore,weproposeanoveldynamichandgesturerecognitionmethodbasedonvideostreams,whichcaneffectivelyimprovetheoverallperformanceofhandgesturerecognition.Specifically,firstofall,theinputdataissimplypreprocessed.Second,weperformthespatiotemporalfeatureextractionoperat
7、ionbyusingimprovedMultipleDimensionalConvolutionalNeuralNetwork(MD-CNN).Finally,weprovideamulti-sensorfusionmethodandthenthedynamicgesturerecognitionisrealizedbyusingtheSupportVectorMachine(SVM).Experimentalresultsshowthattheproposedmethodper
