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

3 {3 A; S/ z6 I4 d* m) t. o

# c$ m* T' X+ J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
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
7 y' V3 s" I3 u! y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
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，
9 S0 y; a  d" Z4 `9 [2 F) k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
; n& k: P( V8 F' C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
1 S/ H0 u% S+ V9 B: F/ |1 [4 \$ }/ _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 Z: r) W  J) i1 i7 w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。
+ L  ^/ L& ^& y6 F9 Y8 A


4 J/ ], O" A* N5 {& s
3 w8 B) S6 H$ t# a+ f7 u
8 C3 @9 X8 V5 D# Q& I+ X  b8 O* ~
: [- x& ]; ]# T