基于嵌网融合结构的卷积神经网络手势图像识别方法

摘要

手势识别是人机智能交互领域的研究热点。本研究基于LeNet-5网络和信息融合思想提出新的嵌网融合-卷积网络结构来处理手势图像识别问题,新网络在传统卷积网络的卷积层中以多层感知器替换传统线性卷积核来构造特征提取框架,并在卷积层的输出端级联Inception网络结构,同时将金字塔采样机制引入池化层以替换常规随机采样和最大值采样,利用金字塔多尺度融合策略来拼接不同维度的特征,进而将融合特征传输给全连接层,最后在全连接层中引入支持向量机思路进行特征识别。实验仿真中,本研究识别网络在MNIST数字集及自建手势数据集进行验证,识别准确率最高达到98.2%,优于几种常规网络。