林竞力，肖国庆，张 陶，文 鑫

（西华大学 电气与电子信息学院，成都 610039）

0 概述

随着人工智能和物联网时代的发展，以用户为中心的新型交互方式如姿态、手势、语音控制、表情等被广泛应用，其中手势交互由于具有直观性、自然性、丰富性等优点，成为目前的研究热点。手部分割作为手势交互技术研究的核心，具有极大的研究价值。

手部分割的目的是隔离手部数据与背景数据，目前已有诸多研究人员开展该方面的研究。文献［1-2］通过对图片的颜色、纹理、形状等特征建模完成分割，该类方法处理速度快但泛化性能差，受环境影响大，难以满足真实条件下的分割。文献［3］通过佩戴数据手套获取手部位置与形状，该类方法准确度高、鲁棒性好，但成本较高，便利性较低。文献［4-5］通过查找手部区域不规则光流模式分割手部数据，该类方法对亮度变化较为敏感，能识别到运动中的手部。

使用多模态图像如RGB-D 等对手部进行分割也是发展趋势之一，文献［6-7］通过实验表明该类方法准确率高，使用方便，但对数据采集设备要求较高，且增加了成本。随着深度学习技术的发展，以神经网络为基础的手部分割方法成为主流，如文献［8］使用基于卷积神经网络（Convolutional Neural Network，CNN）的皮肤检测技术，文献［9］针对手部分割任务构造一种基于跃层连接的编解码网络，文献［10］提出基于密集注意力机制的DensAtentionSeg网络，文献［11］评估了基于RefineNet［12］的分割模型。这些方法均在手部分割任务中表现良好，但往往依赖较深层次和高分辨率的特征，因此，多数用于手部分割的网络模型存在参数量大、推理时间长的问题，难以满足实时性要求。……