冯翔，吴瀚，司冰灵，季超

(潍坊医学院 生物科学与技术学院，潍坊 261000)

1 引 言

手势较其它语言、文字更形象，在聋哑人交流、肢体信号表达、智能人机交互等场合得到广泛应用[1-2]。其中，基于手势图像的人机交互成为国内外人工智能领域研究的热点，在远程手术操作、复杂环境无人化作业、智能家居等场合蕴藏着巨大商业前景[3-4]。但手势变化的多样性、复杂性对识别精确性、可靠性均产生不利影响，成为限制该技术推广的焦点、难点[5-7]。

特征提取是影响手势识别准确率、稳健性的关键因素。杨全等[7]重点分析手势主轴方向角及质心位置关系，利用深度积分图像提取其特征并结合支持向量机算法识别。该思路计算量大且对于模糊失焦图像失效。Ren等[8]采用阈值分解及近似凸分解思路分割手指区域，利用指尖相对距离进行匹配识别，但阈值及匹配参数的设定往往需先验知识，导致可靠性较差。Lai等[9]提出基于指尖轮廓分段匹配的识别框架，但仅依靠指尖特征忽视了手掌对于特定手势的表达性。另外，王景中等[10]通过图像差分、连通域检测等获取完整手型轮廓并采用局部二进制变换、主成分分析提取特征。上述思路多采用人工设定特征，忽视了特征的多样性、内在联系性。卷积神经网络方法摆脱人工特征设定的局限性，采用非监督式特征选定与挖掘思路获取信息，成为当前深度学习领域的重要手段。梁智杰等[11]采用卷积神经网络及长短时记忆模型来处理特征信息；……