何启莉，何家峰，郭 娟

(广东工业大学 信息工程学院，广东 广州 510006)

0 引言

随着人工智能技术的进步，智能化设备逐渐融入到人们生活的方方面面。传统的医疗检测仪器逐渐被智能电子仪器所替代，如心率测量仪、血压检测仪等，然而视力检测这一基本的体检项目仍然沿用传统的人工检测方法，检测效率低，消耗人力且极不方便。 随着计算机视觉技术迅速发展，手势识别也逐渐成为智能人机交互的重要研究领域[1-4]。 本文通过对视力检测进行手势识别，达到自动化视力检测的目的。

目前对手势识别技术的研究主要包括基于外部设备的手势识别技术和基于计算机视觉的手势识别技术两方面。基于外部设备的手势识别技术在硬件造价上过于昂贵，比如利用数据手套[5-6]或者固定在手臂上的动作传感器来获取手势数据[7]，并且需要全套的配套设施，限制较多。 基于计算机视觉的手势识别技术核心在于提取手势的特征。传统的识别算法多是由人工设计提取特征，然后再用分

类器分类识别，比如刘小建提出一种使用深度信息进行多特征提取的手势识别算法，再应用一个多分类的SVM 分类器对手势进行分类[8]。人工提取特征繁琐、费时，可能还会因为提取特征产生的误差而导致识别准确率低。 随着卷积神经网络在计算机视觉领域的迅速发展，对于将卷积神经网络用在手势识别上有了突破性的进展[9]。 朱雯文在对 LeNet-5卷积神经网络进行分析的基础上，提出了一种适合加速信号的LeNet-A 网络，其识别准确率达到90.37%[10]。……