用于自动视力检测的手势识别方法研究
信息技术与网络安全
何启莉，何家峰，郭 娟
(广东工业大学 信息工程学院，广东 广州510006)
摘要： 对于自动视力检测系统，手势识别是关键问题，但是采用传统卷积神经网络模型识别手势存在过拟合、计算量大等问题。提出了一种GR-AlexNet模型，对AlexNet网络模型进行了适应性修改和优化：为了加快计算速度，用7×7、5×5、1×1的三个小卷积核替代原来的11×11的大卷积核，并删除LRN层和一个全连接层；为了减轻过拟合效应，在每次卷积后都加上一个Dropout优化。对同一数据集分别使用LeNet模型、AlexＮet模型、VGG16模型与GR-AlexＮet模型进行对比实验。实验表明GR-AlexＮet模型在识别准确率上较传统的模型有一定的提高，能抑制过拟合现象，并且具有更快的训练速度。
中圖分類號： TP391.41
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.03.006
引用格式： 何啟莉，何家峰，郭娟. 用于自動視力檢測的手勢識別方法研究[J].信息技術與網絡安全，2021，40(3)：32-37，47.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.03.006
引用格式： 何啟莉，何家峰，郭娟. 用于自動視力檢測的手勢識別方法研究[J].信息技術與網絡安全，2021，40(3)：32-37，47.
Research on gesture recognition method for automatic vision detection
He Qili，He Jiafeng，Guo Juan
(School of Information Engineering，Guangdong University of Technology，Guangzhou 510006，China)
Abstract： For automatic vision detection systems, gesture recognition is a key issue, but the traditional convolutional neural network model to recognize gestures has problems such as over-fitting and large amount of calculation. This paper proposes a GR-Alexnet model, which adaptively modifies and optimizes the Alexnet network model. In order to speed up the calculation, three small convolution kernels of 7×7, 5×5, and 1×1 are used to replace the original 11×11 large convolution kernel, and delete the LRN layer and a fully connected layer; in order to reduce the over-fitting effect, a dropout optimization is added after each convolution. The LeNet model, the Alexnet model ,the VGG16 model and the GR-Alexnet model were used for comparative experiments on the same data set. Experiments show that the GR-Alexnet model has a certain improvement in recognition accuracy compared with the traditional model, can suppress the over-fitting phenomenon, and has a faster training speed.
Key words : automatic vision detection；ＯpenＣＶ；gesture recognition；Gesture Recognition AlexＮet(GR-AlexNet)
0 引言
隨著人工智能技術的進步，智能化設備逐漸融入到人們生活的方方面面。傳統的醫療檢測儀器逐漸被智能電子儀器所替代，如心率測量儀、血壓檢測儀等，然而視力檢測這一基本的體檢項目仍然沿用傳統的人工檢測方法，檢測效率低，消耗人力且極不方便。隨著計算機視覺技術迅速發展，手勢識別也逐漸成為智能人機交互的重要研究領域[1-4]。本文通過對視力檢測進行手勢識別，達到自動化視力檢測的目的。
本文詳細內容請下載:http://m.tom3567.com/resource/share/2000003422
作者信息:
何啟莉，何家峰，郭 娟
(廣東工業大學 信息工程學院，廣東 廣州510006)
此內容為AET網站原創，未經授權禁止轉載。