基于轻量级 OpenPose 改进的幻影机手势交互系统

杨利霞

基于轻量级 OpenPose 改进的幻影机手势交互系统

% ^, S( D( ]$ X7 n& o* k5 o
) k9 s  [: c, s2 c7 A( S* w& F; f: C

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
9 j! R- g- f/ a9 X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
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
1 r7 I1 \8 c! o9 @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，
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
7 U) e' \& d3 Y0 g0 ?2 A& ^5 B. O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
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%
0 n4 n0 U: h/ z+ M7 K# j  t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
每秒 32~36 帧的识别速率和较高的手势识别率。
2 W, r5 T% c. Z5 B; y% U; ^
4 |: U; A9 O& _5 H  @6 K4 @
1 G  s$ H; M: Q; h/ M' N' y! p( d


; G& u0 `1 E' y) |# A$ E/ q