利用卷积神经网络与生成对抗网络理解手势
计算机视觉与模式识别
2020-11-11 v1
摘要
本文介绍了一种用于实时识别字符的手势识别系统。该系统由三个模块组成：实时手部跟踪、手势训练以及使用卷积神经网络（Convolutional Neural Networks）的手势识别。手部跟踪采用 Camshift 算法和手部 blob 分析来获取运动描述子和手部区域。该方法对背景聚类具有相当鲁棒性，并利用肤色进行手势跟踪与识别。此外，提出了利用如训练图像选择和自适应阈值手势等技术来改善识别性能和准确率的方法，以去除非手势模式，从而帮助将输入模式判定为手势。在实验中，该系统在包含字母和数字的 36 种手势词汇上进行了测试，并验证了方法的有效性。
引用
@article{arxiv.2011.04860,
title = {Understanding the hand-gestures using Convolutional Neural Networks and Generative Adversial Networks},
author = {Arpita Vats},
journal= {arXiv preprint arXiv:2011.04860},
year = {2020}
}