一种基于YOLOv3的静态手势实时识别方法

摘要

本发明公开了一种基于YOLOv3的静态手势实时识别方法，其过程包括制作训练集、生成迁移Darknet‑53模型、改进候选框参数和实时手势识别各步骤，是基于卷积神经网络YOLOv3模型，通过使用Kinect设备采集的四种类型的图像数据集代替常用的RGB图像数据集，融合四种类型Kinect测试图像的识别结果，有效提高识别准确率；采用K‑means聚类算法对初始候选框的参数进行改进，有效提高识别速度；以及采用迁移学习的方法，切实减少模型的训练时间。