-
基于 Leap Motion 和卷积神经网络的手势识别
摘 要 ：针对传统神经网络需要人工对参数进行提取的问题，提出基于 Leap Motion 结合卷积神经网络的手势识别方法。首先利用 Leap Motion 获取高精度手势图像，然后对图像进行灰度处理，采用卷积神经网络算法自动对原始图像进行特征提取及分类，最后设计 6 层卷积神经网络用于手势识别。实验结果表明，卷积神经网络算法在6 种手势测试集上的准确率可达 96.5%，且识别时间短，模型具有较好的鲁棒性。
摘 要 ：针对传统神经网络需要人工对参数进行提取的问题，提出基于 Leap Motion 结合卷积神经网络的手势识别方法。首先利用 Leap Motion 获取高精度手势图像，然后对图像进行灰度处理，采用卷积神经网络算法自动对原始图像进行特征提取及分类，最后设计 6 层卷积神经网络用于手势识别。实验结果表明，卷积神经网络算法在6 种手势测试集上的准确率可达 96.5%，且识别时间短，模型具有较好的鲁棒性。
