基于Kinect和CNN-LSTM的动态数字手势识别

摘要：

手势交互的自然便捷使得其在人机交互、虚拟现实等领域得到广泛的应用和关注.本文提出一种基于CNN-LSTM 的手部姿态识别方法.首先利用Kinect深度传感器获取包括手指运动轨迹信息的手部姿态,然后将手指运动轨迹信息输入 3 卷积中,CNN网络通过卷积池化等操作进行特征提取,接着将特征序列输入LSTM层中以便更好地捕捉手势的动态变化和时序信息,再将特征输入分类器softmax中进行 0～9 数字书写手势的分类.实验结果显示,五折和十折交叉验证时的数字书写手势(0～9)的识别率分别为99.3%和98.7%.

关键词：Kinect、CNN、LSTM、动态手势

所属期刊栏目：19

分类号：TP391.41;TP277;TN929.53

资助基金：福建省中青年教师教育科研项目;福建省自然科学基金项目;福建省自然科学基金项目;福建省自然科学基金项目;福建省自然科学基金项目

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：74-76