基于改进YOLOv3的手势识别方法研究

目录

声明

致谢

摘要

第一章绪论

1．1引言

1．1．1选题的背景和现实意义

1．1．2国内外手势识别技术的发展和现状

1．2手势识别常用方法

1．3手势识别难点

1．4论文结构安排

第二章基于卷积神经网络的目标检测算法

2．1卷积神经网络

2．1．1神经元

2．1．2局部感受野

2．1．3权值共享

2．1．4卷积神经网络结构

2．2目标检测概述

2．3基于CNN的目标检测算法

2．4本章小结

第三章基于改进YOLOv3的静态手势实时识别方法

3．1．2训练集制作

3．2模块Ⅱ—生成迁移Darknet-53网络

3．2．1迁移学习理论

3．2．2 ASL数据集

3．2．3生成迁移Darknet-53网络

3．3模块Ⅲ—改进初始候选框参数

3．3．1 YOLOv3基础理论

3．3．2改进YOLOv3的anchor参数

3．4模块Ⅳ—融合四类Kinect图像识别结果

3．5本章小结

第四章实验结果与分析

4．1实验数据集

4．2评价指标

4．3实验结果与分析

4．3．1 Kinect数据集与RGB数据集识别正确率对比

4．3．2采用迁移学习的实验及结果

4．3．3初始候选框参数优化实验及结果

4．3．4与其他先进的基于CNN的目标检测算法对比实验及结果

4．4本章小结

第五章连续动态手势识别

5．1数据采集

5．1．1 CSI相关介绍

5．1．2 CSI数据采集

5．2 CSI数据预处理

5．2．1自适应加权融合

5．2．2卡尔曼滤波

5．2．3阈值分割

5．3数据转换

5．3．1归一化操作

5．3．2映射灰度图像

5．4基于YOLOv3的连续动态手势识别

5．5实验结果和分析

5．6本章小结

第六章总结和展望

6．1工作总结

6．2后续工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况