凌利，陶俊*，吴瑰

（江汉大学a.人工智能学院；b.工程训练中心，湖北武汉 430056）

0 引言

深度学习［1］（deep learning）是通过构建含有多层隐藏层的学习器（模型）来模拟人脑的工作方式，每一层隐藏层包含若干个神经元，若干隐藏层会相互作用，对输入数据进行计算和组合，隐藏层下一层又会对其上一层的输出进行再计算和组合，其相互作用运算共同组成了神经网络模型（neural network）。该方法通过收集大量数据输入网络模型用于学习其特征，最终得到一个可以进行准确预测的高精度模型。

深度学习在物体检测、机器人视觉等方面的应用广泛。深度学习的发展极大地提升了计算机处理抽象信息的能力，在处理自然交互信息方面具有明显优势，成为人机交互技术中的有效手段［2］，掀起了智能人机交互研究的新热潮［3］，并运用于各种场景［4-5］。人机交互作为人与计算机沟通的桥梁是近年来的研究热点，特别是语音识别、手势识别［6］、人脸识别等自然交互方式［7］。手势识别技术可以很好地解决人与智能设备之间的交互，提供便捷的使用体验［8］。2000年，清华大学祝远新等［9］提出了一种基于表观的动态孤立手势识别技术，一年之后，完成了在复杂背景下分割出手势并实现对12种给定手势的识别，最终的识别率达到了97%［10］。

传统的基于人工建模方式的手势识别技术有R-CNN［11-12］、Faster R-CNN［13］、FPN［14］，是一种基于建议框的方法［15-16］，以上方法在准确率方面取得了较好的效果，能满足静态图片和物体的识别，但要满足大量静态手势的实时识别要求，且进一步达到实时视频识别的需求，需要进一步提高识别速度。……