计算机应用研究

作者：张宏源,袁家政,刘宏哲,原春锋,王雪峤,邓智方,

单位：1.北京联合大学北京市信息服务工程重点实验室,北京100101；2.北京开放大学,北京100081；3.中国科学院自动化研究所模式识别国家重点实验室,北京100190；

关键词：手势姿态估计,伪三维卷积神经网络,三维特征,深度图像,深度学习,

基金：国家自然科学基金资助项目(61571045)；北京成像技术高精尖创新中心项目(BAICIT-2016002)；北京市教委科技计划一般项目(KM201811417002)；北京联合大学研究生资助项目；；

大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征，估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息，限制了手势姿态估计的精度。另外，由于三维卷积神经网络巨大的计算成本和内存需求，这些方法常难以满足实时性要求。为了克服这些缺点，提出以空间滤波器和深度滤波器级联的方式模拟三维卷积，减少网络参数量。同时，在各个尺度上提取手势姿态特征并加以整合，充分利用手势的三维信息。实验表明，该方法能有效提高手势姿态估计精度，减小模型尺寸，且在具有单块GPU的计算机上能以超过119 fps的速度运行。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期