卓少伟 柳培忠 黄德天 王铭航 汪鸿翔



基于CW-RNNs网络的手势识别算法

卓少伟 柳培忠 黄德天 王铭航 汪鸿翔

华侨大学工学院

该文在分析表征手势特征和神经网络理论基础上，根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题，基于手势局部区域跟踪结果，采用一种新型神经网络算法，实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标，定义手势模版，采用该方法对手势模版进行学习。首先定义连续动态手势模版，采用时间频率循环神经网络对手势模版进行学习，对每组孤立的动态手势模版进行学习，形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析，通过与多层RNNs、三层RNNs的识别效果进行比较，论证了本文模型对手势轨迹模版识别的优越性。

手势识别 CW-RNNs 手运动轨迹 手势模版

1 概述

人机交互(Human - Computer Interaction, HCI)[1]是人工智能、模式识别和计算机视觉等科技领域的重要技术逐步成为研究者热衷研究的对象。人机交互的方式从传统的人手工操作转变到现在的智能输入。所以,人机交互技术也逐渐从以计算机或者机器人为中心转移到以人为中心，加速了手势识别、手语识别、行为识别等模式识别和人工智能领域的蓬勃发展[2]。……