基于热力图的手部姿态识别研究

摘要

针对手部姿态检测中,因关键点检测误差较大导致姿态检测准确率低的问题,通过添加手部关键点置信度,将其转换为热力图,融合至视觉几何组16(VGG16)和视觉几何组19(VGG19)深度卷积神经网络的不同卷积层中,进行手部姿态估计。同时,针对手部姿态估计数据集较少的问题,提出数据增强、低阶中阶迁移学习方法。实验结果表明,以VGG19为基础网络,将关键点热力图对应的特征图与第二池化层的输出特征图相加,显著提高其识别率;通过数据增强与迁移学习,降低复杂背景下的漏检率和误检率。