谢淋东，仲志丹，乔栋豪，高辛洪

(河南科技大学 机电工程学院，河南 洛阳 471003)

0 引 言

近年来，视觉识别技术飞速发展并广泛地应用于手势识别中[1-2]。手势分为静态与动态两种，由于动态手势识别难度较高、实时性较差且可识别的手势数量较少，无法满足大量繁杂信息输入的需求，所以目前的主要研究方向是静态手势的识别。用于静态手势识别方法大体分为两种：一是基于传统图像特征和机器学习的方法[3]，此类方法难以从复杂的背景中提取到有代表性的语义信息，识别精度普遍偏低。二是基于深度学习[4-5]的方法，如R-CNN(region with convolutional neural network)[6]模型、R-FCN(region-based fully convolutional networks)[7]模型、Faster R-CNN[8]模型、YOLO(you only look once)[9]模型、SSD[10]模型等，其中SSD模型因其具有较好的识别效果而备受青睐。然而SSD算法用于中小占比目标识别时，识别效果一般，因此，很多学者改进了SSD算法，例如Wen等[11]提出了一种改进的SSD算法，即加入了Atrous[12]滤波器、SeLU激活函数以及引入一种数据规则来提高识别精度与速度。Tang等[13]基于原始的SSD算法，提出了一种多视窗的处理特征图的方法，该方法利用多个窗口多个通路检测中小占比目标，但由于目标的拆分，该方法存在鲁棒性低等问题。Fu等引入了一种特征提取能力更强的改进型网络，提出了DSSD(deconvolutional single shot detector)模型，与原有的SSD模型相比，特征融合能力有所加强，识别精度有所提高，但计算复杂度更高，从而存在耗时长等问题。

该文基于SSD模型，引入特征融合思想，以提高模型的语义表征能力，同时，改进了损失函数，以提高目标的分类能力。

1 SSD手势识别算法

SSD算法用于目标识别时，以特征提取为基本思想，以金字塔特征结构进行信息的目标识别。……