基于深度學(xué)習(xí)的多模態(tài)手勢(shì)識(shí)別方法研究

打開文本圖片集

摘要：研究使用Kinect采集彩色（RGB）、深度（Depth）和骨骼坐標(biāo)點(diǎn)3種不同模態(tài)的數(shù)據(jù)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)和模式識(shí)別，克服傳統(tǒng)單模態(tài)方法的局限性，提高模型在復(fù)雜環(huán)境下的適應(yīng)能力。結(jié)果顯示，在本研究所構(gòu)建的基于卷積神經(jīng)網(wǎng)絡(luò)手勢(shì)識(shí)別模型中，多模態(tài)融合方法的識(shí)別準(zhǔn)確率較單模態(tài)提高了13.957%，展現(xiàn)了模型的有效性以及多模態(tài)手勢(shì)識(shí)別技術(shù)在未來(lái)人機(jī)交互領(lǐng)域的應(yīng)用潛力。（剩余5306字）