基于CW-RNNs网络的手势识别算法

摘要

在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术研究即基于手势轨迹模型的新型神经网络算法.针对手势识别的模糊性和准确性问题,基于上述手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别.手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别.根据跟踪部分提取的手指运动轨迹坐标,定义手势模板,采用该方法对手势模版进行学习.首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型.对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs和三层RNNs的识别效果的比较,论证了本文模型对于势轨迹模版识别的优越性.