基于集成卷积神经网络的新型手势检测与识别系统
计算机视觉与模式识别
2022-02-28 v1
摘要
如今，手势识别已成为人机交互的一种替代方式，已覆盖 3D 游戏技术、手语翻译、VR（虚拟现实）环境与机器人等大量应用。但手部区域的检测在计算机视觉与模式识别领域已成为一项具有挑战性的任务。诸如卷积神经网络(CNN)架构的深度学习算法已成为分类任务的热门选择，但 CNN 架构存在预测高方差、过拟合问题以及预测误差等一些缺陷。为克服这些问题，本文提出一种基于 CNN 集成的方案。首先，采用基于二值阈值的背景分离方法检测手势区域；随后提取轮廓部分并分割手部区域；接着将图像缩放并输入三个独立的 CNN 模型并行训练；最后对 CNN 模型的输出分数取平均，构建最优集成模型用于最终预测。我们使用两个公开的红外图像数据集（标记为 Dataset-1 与 Dataset-2）以及一个自建数据集验证所提系统。实验结果同现有 SOTA 方法比较，表明我们提出的集成模型优于其他已有方法。
引用
@article{arxiv.2202.12519,
title = {A Novel Hand Gesture Detection and Recognition system based on ensemble-based Convolutional Neural Network},
author = {Abir Sen and Tapas Kumar Mishra and Ratnakar Dash},
journal= {arXiv preprint arXiv:2202.12519},
year = {2022}
}