|
基于轻量级 OpenPose 改进的幻影机手势交互系统 ( Z- N/ T# n& v1 P$ R9 T
* u, \9 ?, B2 x* F
: M4 Q9 A( J$ {
0 n5 B" J+ Q& T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, b1 O4 J% r/ E0 @- C
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" r, K0 I& @( @ w6 Y( m0 S9 m% V
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 6 T1 @- r; _( j. {: }% D( M
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，! J- H4 M5 f1 `$ a: |5 O
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/ ?' R! |, s* B# C1 X
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
3 f D7 y& R Y+ f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%' f/ T' @5 z `- Y9 r- l
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, Q2 |3 _- r$ K# k3 L( w
每秒 32~36 帧的识别速率和较高的手势识别率。 % a, G' A7 { C. T) z
" z6 S& ^6 b" d( q! [: Y1 d. M8 Z8 W
: |- d6 W) U k+ U0 }* u
. a4 ?4 K# ^- g! ~3 f
6 |- i8 V' S, ?9 ~+ U
$ T0 }; a3 {# A | 
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
