复杂环境下通用的手势识别方法

摘要

用来解决手势识别中光照变化、背景干扰等问题的方法,往往计算量大,耗时长.针对这一问题,提出了一种复杂环境下通用的手势识别方法.该方法利用二进制方式实现支持向量机(SVM)模型并且使用位运算代替滑动窗口从而完成目标快速筛选,然后用统一计算设备架构(CUDA)实现卷积神经网络对初筛区域进行二次判断和识别.该方法不依赖于动态手势识别技术,可以应用于动态和静态的手势识别,能够同时处理光照变化、背景干扰的问题.实验结果表明所提算法的计算效率相比基于滑动窗口的算法有100至1000倍的提升,处理一幅图片的时间约为0.01 s.在修正后的Marcel数据集上实验结果达到了96.1％的准确率和100％的召回率.效率上的提升使得算法能够实时进行复杂环境下的手势识别.