谷学静 周自朋 郭宇承 李晓刚

1(华北理工大学电气工程学院 河北 唐山 063210) 2(冶金工程虚拟仿真实验教学中心 河北 唐山 063000) 3(河钢集团唐钢公司信息自动化部 河北 唐山 063000)

0 引 言

VR系统具有三个基本特性沉浸感(Immersion)、交互性(Interaction)和构想性(Imagination)，简称3I特性[1]。其中，人机交互是连接用户和计算机虚拟世界的桥梁，探索简便、自然的交互方式对提升VR系统的沉浸感与构想性具有重要意义。

手势识别是手势交互的核心算法，动态手势识别本质上是关于手在三维空间中运动姿态时序数据的模式识别问题。国内外对动态手势意图的识别研究较多，丁利琼等[3]通过提取智能手机中的加速度数据采用DDTW算法进行手势识别，可用于连续动态手势识别。陈国良等[4]针对Leap Motion体感控制器无法识别复杂手势问题，对四类特征进行HMM建模，识别复杂动态手势。施向军等[5]采用基于红外传感器的动态手势识别方法，对于5种手势平均识别率都达到了75%以上。李东洁等[6]提出BP神经网络和PSO结合的识别方法，可以缩短学习时间，提高识别过程的实时性和精确性。Fang等[7]采用CNN和DCGAN方法对手势识别计算并对文本进行输出。Wang等[8]采用毫米波雷达传感器采集手部信息，利用LSTM网络手势识别，成功率达96.17%。刘佳慧等[9]研究了基于Wi-Fi的信道状态信息的手势识别，对4种手势的平均识别率为82.75%。

近年来，深度学习在模式识别尤其是时间序列数据的分类问题上表现出无法比拟的优势与强悍[10-12]。基于长短期记忆网络(Long Short Term Memory,LSTM)网络能够对以……