检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向骨架手势识别的全局时空可变形网络

电子科技大学学报 2024年第1期53卷 60-66页

作者：石东子林宏辉刘一江张鑫华南理工大学电子与信息学院广州510640 人工智能与数字经济广东省实验室广州510640

基于骨架序列进行手势识别关键在于如何融合时空信息提取可分辨性强的特征。该文提出关键点聚焦模块,通过全局上下文建模和不受限于固定形式的卷积方式,网络可以跨越多帧和不相关的关键点,在全局范围内自适应地聚合与手势动作密切相关... 详细信息

基于骨架序列进行手势识别关键在于如何融合时空信息提取可分辨性强的特征。该文提出关键点聚焦模块,通过全局上下文建模和不受限于固定形式的卷积方式,网络可以跨越多帧和不相关的关键点,在全局范围内自适应地聚合与手势动作密切相关的关键点信息,提取手势的时空特征。实验表明该方法在ChaLearn2013和SHREC数据集上得到的准确率可以达到94.88%和95.23%,优于现有方法。此外,该方法在处理噪声数据和动态手势方面稳定性更好。

关键词：手势识别特征提取可变形卷积骨架序列全局信息

在线全文

学校读者我要写书评

暂无评论

列车司机手势识别方法研究

铁道科学与工程学报 2024年第2期21卷 533-544页

作者：李小平代旭鹏孙守庆朱高伟兰州交通大学自动化与电气工程学院甘肃兰州730070 兰州交通大学机电工程学院甘肃兰州730070 兰州交通大学电子与信息工程学院甘肃兰州730070

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检... 详细信息

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP@0.5和平均检测时间分别提升了0.6个百分点和7.1 ms。所提模型可在降低参数量和计算量的同时有效提高检测精度和检测效率,可为列车司机手势识别提供新思路。

关键词：列车司机手势识别 YOLOv5 PConv CBAM模块

采用变分模态分解与领域自适应的表面肌电信号手势识别

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第5期58卷 75-87页

作者：姜海燕许先静钟凌珺李竹韵福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电... 详细信息

针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电信号进行变分模态分解,构建易于识别的表面肌电图像,并提出了一种卷积神经网络模型进行手势识别,提升用户相关的肌电信号手势识别准确率;同时利用迁移学习中的领域自适应和模型微调技术,提升用户无关的肌电信号手势识别准确率,并将所提算法在NinaPro DB1肌电数据集中进行了3分类、4分类、5分类和12分类共4组评估验证。结果表明:在4组评估验证中,用户相关的肌电信号手势识别平均准确率分别达到了99.28%、99.30%、98.39%和93.40%,用户无关的肌电信号手势识别平均准确率分别达到了94.05%、92.60%、88.38%和70.03%,表明本文提出的算法在表面肌电信号手势识别中具有良好的效果,为实现人机交互中的普适性的肌电设备开发提供了一种可行的方案。

关键词：领域自适应卷积神经网络手势识别变分模态分解表面肌电信号

在线全文

学校读者我要写书评

暂无评论

基于柔性应变传感器的数据手套手势识别研究

农业机械学报 2024年第6期55卷 451-458页

作者：朱银龙沈宏骏吴杰王旭刘英南京林业大学机械电子工程学院南京210037

针对传统手势识别系统识别率不高、响应不稳定等问题,设计了一个包括柔性传感器、信号采集系统、手势识别算法的柔性应变传感器数据手套手势识别系统。该系统可准确捕捉每根手指关节运动信息,具有高自由度、低成本、高识别率等特点。在... 详细信息

针对传统手势识别系统识别率不高、响应不稳定等问题,设计了一个包括柔性传感器、信号采集系统、手势识别算法的柔性应变传感器数据手套手势识别系统。该系统可准确捕捉每根手指关节运动信息,具有高自由度、低成本、高识别率等特点。在软硅胶材料中掺杂特定配比的碳黑(CB)和碳纳米管(CNTs),通过转印技术设计出线性度好、灵敏度高的电阻式传感器。实验结果表明,传感器具有较好的静态、动态响应特性,并完成传感器标定;利用多个柔性传感器制备数据手套并搭建信号采集系统,进一步提出融合BP神经网络和模板匹配技术的手势识别方法,以提升相近手势字母识别率,算法识别率为98.5%;针对不同人群开展手势识别实验,结果表明,该手势识别系统准确率达到92.8%,响应时间约40ms,该数据手套具有较好的应用潜力。

关键词：柔性传感器模板匹配法 BP神经网络手势识别数据手套

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于时空特征融合的交通警察手势识别

计算机工程与应用 2024年第8期60卷 250-257页

作者：杜兵赵骥辽宁科技大学计算机与软件工程学院辽宁鞍山114051

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重... 详细信息

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

关键词：手势识别人体关键点卷积姿态机 GRU 时空特征信息

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的多视图卷积手势识别研究

计算机工程 2024年第3期50卷 208-215页

作者：袁文涛卫文韬高德民南京林业大学信息科学技术学院江苏南京210037 南京理工大学设计艺术与传媒学院江苏南京210094

基于表面肌电信号(sEMG)的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提... 详细信息

基于表面肌电信号(sEMG)的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提取经典的sEMG特征集构建多视图输入,其次利用高效通道注意力对多视图特征在通道维度进行加权,以强化有效特征同时弱化无效特征,最后通过多视图卷积从带有注意力权重的肌电特征中提取高层特征,利用高层特征融合模块对其进行融合以降低数据维度并提高模型鲁棒性。在NinaPro DB1、NinaPro DB5、NinaPro DB73个肌电公共数据集上进行训练和评估,结果表明,该模型在200 ms滑动采样窗口上的平均识别准确率分别为87.98%、94.97%和89.67%,整段手势动作的平均投票准确率分别为97.38%、98.41%和97.09%,平均信息传输率为1308.71 bit/min。与传统机器学习方法和近年来前沿的深度学习手势识别方法相比,所提模型在单模态肌电和多模态手势识别上均具有更高的识别准确率,验证了其有效性和通用性。

关键词：表面肌电信号手势识别特征提取注意力机制多视图卷积

在线全文

学校读者我要写书评

暂无评论

结合时空掩码和空间二维位置编码的手势识别

中国图象图形学报 2024年第5期29卷 1421-1433页

作者：邓淦森丁文文杨超丁重阳淮北师范大学数学科学学院淮北235000 西安电子科技大学计算机科学与技术学院西安710071

目的在动态手势序列特征提取时,忽略了不同动态手势手指间的相关性,是造成手势识别率不高的重要原因。针对此问题,提出了时空位置编码和掩码的方法进行手势识别,是首次对手部关节点进行空间二维位置编码。方法首先,根据手部关节序列... 详细信息

目的在动态手势序列特征提取时,忽略了不同动态手势手指间的相关性,是造成手势识别率不高的重要原因。针对此问题,提出了时空位置编码和掩码的方法进行手势识别,是首次对手部关节点进行空间二维位置编码。方法首先,根据手部关节序列构造时空图,利用关节点平面坐标生成空间二维编码,并与时间轴的一维编码器融合,生成关节点的时空位置编码,可以有效处理空间上的异常姿态同时避免时间上的乱序问题;然后,将时空图按照人体手部生物结构进行分块,通过空间自注意力和空间掩码,获取手指与手指之间的潜在信息。采用时间维度扩张的策略,通过时间自注意力和时间掩码,捕获长时间手指序列动态演变信息。结果在DHG-14/28(dynamic hand gesture 14/28)数据集上,该算法比HPEV(hand posture evolution volume)算法平均识别率高出4.47%,比MS-ISTGCN (multi-stream improved spatio-temporal graph convolutional network)算法平均识别率高出2.71%;在SHREC'17 track数据集上,该算法比HPEV算法平均识别率高出0.47%,利用消融实验证明了本文策略的合理性。结论通过大量实验评估,验证了基于分块和时空位置编码构造出来的模型很好地解决了上述问题,提高了手势识别率。

关键词：手势识别自注意力空间二维位置编码时空掩码手部分块

在线全文

学校读者我要写书评

暂无评论

基于GA-BLS方法的手势识别研究

计量学报 2024年第1期45卷 121-127页

作者：杜义浩曹添福范强王孝冉燕山大学电气工程学院河北省测试计量技术及仪器重点实验室、河北省智能康复及神经调控重点实验室河北秦皇岛066004

为进一步提升人机交互领域中手势识别的精度和速度,探究肌肉疲劳对手势识别的影响规律,提出了改进的GA-BLS方法,利用遗传算法(genetic algorithms,GA)优化宽度学习(broad learning system,BLS)模型参数,并使用弹性网络回归改进传统的BL... 详细信息

为进一步提升人机交互领域中手势识别的精度和速度,探究肌肉疲劳对手势识别的影响规律,提出了改进的GA-BLS方法,利用遗传算法(genetic algorithms,GA)优化宽度学习(broad learning system,BLS)模型参数,并使用弹性网络回归改进传统的BLS模型。利用所提模型对8种手势下的A型超声信号和肌电信号进行手势识别分析,并与SVM、KNN、RF、LDA等方法进行对比,以验证所研究方法的有效性;将长时间段下的A型超声信号和肌电信号切分成4个数据段,发现随着肌肉疲劳程度的增加,手势识别的准确率均呈现出明显下降的趋势,而且A型超声信号相较于肌电信号具有更好的抗疲劳特性。

关键词：手势识别生理信号遗传算法宽度学习肌肉疲劳弹性网络回归

在线全文

学校读者我要写书评

暂无评论

虚拟现实中基于轻量级神经网络的手势识别

南京理工大学学报 2024年第3期48卷 367-373页

作者：龚新儒张德育谢少威闽南科技学院艺术设计学院福建泉州362332 沈阳理工大学信息科学与工程学院辽宁沈阳110159 华南师范大学美术学院广东广州510631

手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特... 详细信息

手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特征提取及初始化,并构建卷积神经网络手势识别模型。然后,借助MobileNet V2进行轻量化处理,通过深度与逐点卷积,有效降低手势识别模型参数量和计算量。最后,根据最小化手势识别误差反向求解神经网络的各个参数。试验结果表明,所提轻量级神经网络的手势识别准确率相对于原始卷积神经网络有微小下降,但其识别效率却大幅提升,特别是在大规模手势样本的识别场景下。轻量级卷积神经网络表现出了较高的识别综合性能,在虚拟现实环境下的手势识别适应度较高。

关键词：手势识别卷积神经网络虚拟现实轻量化