付天豪,于力革

(江南大学 轻工过程先进控制教育部重点实验室,无锡 214122)

人机交互的方式有很多种,如鼠标键盘交互、触摸屏交互、语音交互、体感交互等.手势交互作为一种新型的人机交互方式,目前已经成为人机交互的重要方式之一.人手作为身体上最灵活的器官,将它作为人机交互的方式,可以使交互更加便利、通用性能更强.

非接触式的动态手势交互已经被应用到体感游戏、辅助驾驶以及手语识别等领域,为人们带来了简洁方便的用户体验.但是因为手势具有时间和空间上的多样性和不确定性,而且人手本身也是复杂的可变形体,所以目前这种人机交互方式还处于实验阶段,理论不是很成熟,能够识别的范围比较小.因此,对动态手势的识别技术研究具有重要意义.常用的动态手势识别方法有:基于模板匹配的动态时间规整(Dynamic Time Warping,DTW)方法[1,2]和基于模式识别的隐马尔科夫模型方法[3,4].其中,采用DTW 方法在解决大数据量、复杂手势、组合手势识别等问题比较其他方法处于劣势[5];采用隐马尔科夫模型识别手势,该方法复杂、需要大量的训练数据[2]并且识别总类少.由于深度学习模型具有强大的非线性建模能力,能够表达更高层次、更加抽象的内部特征等特点,近年来深度学习被用于动态手势识别[6,7].文献[6]结合EgoHands 手势数据集,改进深度卷积网络模型中的参数和网络结构,对深度卷积网络模型进行训练,得到高识别率动态手势识别模……