|
基于轻量级 OpenPose 改进的幻影机手势交互系统 3 I7 y+ u. D( O h# A
' q- C' W6 Y2 ^6 t9 d; r( @& E. U$ z( H
( E7 T1 t( |' r) D' i# }0 V目前人机交互方式多以键盘鼠标为主，而基于深度学习手势识别的交互方式算法准确率不高，且实
0 b7 x6 x, O$ L2 F* d时性和系统稳定性均有待提升。提出一种新颖的针对轻量级 OpenPose 进行改进的幻影机手势交互系统。采4 p5 J4 L( f' u6 o. j5 B4 t
用轻量级 OpenPose 将人手简化建模为 21 个关键点，以 MobileNetV1 作为基础模型，应用部分亲和域（Part , p1 a# ^9 T4 r" M2 }& J5 l2 m, L" S4 N
Affinity Fields, PAF）方法实现人手关键点的检测并画出简化骨骼图。为进一步提升人机交互系统的实时性，
5 L5 q3 r% s" B# I V/ M6 I8 }采用幻影模块（Ghost Module）对卷积层进行降维，用更少的硬件资源取得同样的识别效果。最后搭建验证
% O, b, U {% }1 |. F$ y环境,根据画出的人手骨骼图进行模式匹配，根据匹配识别结果生成交互控制指令，经由蓝牙通讯将指令传送
; ~; [- e# c# E6 ^5 d+ n( x5 G至 Arduino UNO 平台控制小车实现交互响应。经过初步训练后，该系统在 coco2017 验证集上能实现 58.7%# I* J q% N( M/ c. p
的准确率，保持了原始 OpenPose 网络和轻量 OpenPose 网络的人手关键点识别效果，在家用 PC 机上可实现
2 r/ |, ], G$ @, H! r& h) F* s5 ~每秒 32~36 帧的识别速率和较高的手势识别率。
1 i8 S3 O2 o+ t! S+ s1 ?+ S" c- M% b: N- R* e; R- {
8 Y, f: U: k% K6 \) K+ x" |5 G# C- a j$ e
2 d# f, q4 H+ g0 A" k8 @* x
$ b" X9 [$ N- w& ]+ w
; D: v2 | s7 {( m# v
| 
IP卡
狗仔卡
发表于 2020-11-3 16:58
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
