复杂环境下基于改进YOLOv5的手势识别方法

摘要：

针对目前复杂环境下因光照不均匀、背景近肤色以及手势尺度较小等原因导致的手势检测算法识别率低的问题,提出了一种手势识别方法HD-YOLOv5s.首先采用基于Retinex理论的自适应Gamma图像增强预处理方法降低光照变化对手势识别效果的影响;其次构建具有自适应卷积注意力机制SKNet的特征提取网络,提高网络的特征提取能力,减少复杂环境中的背景干扰问题;最后在特征融合网络中构建新型的双向特征金字塔结构,充分利用低层级特征以降低浅层语义信息的丢失,提高小尺度手势的检测精度,同时采用跨层级联的方式,进一步提高模型的检测效率.为了验证改进方法的有效性,分别在具有丰富光照强度对比的自制数据集和具有复杂背景的公共数据集NUS-II上进行实验,识别率达到了99.5%和98.9%,单帧照片的检测时间仅需0.01~0.02 s.

关键词：手势识别、YOLOv5、目标检测、注意力机制、双向特征金字塔

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：中国高校产学研创新基金;纺织之光中国纺织工业联合会高等教育教学改革研究项目;西安工程大学高等教育研究项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：224-234