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

5 B# Q5 j+ T9 h3 @$ P/ i

7 L) o2 R4 m/ |5 ?0 v* 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
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
  K; l6 T" Z$ V# a. F3 \( a! [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，
* k* I. _( c( e" T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
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
, f) j5 }5 @# ]" o# f- B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%
2 ?/ U$ W! L  `: U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
% e6 h) x7 W/ N3 M, A# i每秒 32~36 帧的识别速率和较高的手势识别率。
; }% h' \  s; Q( j; T" ^
) ], G2 @: C5 s6 z, g; N



1 f" x" E# d% ~1 F4 ~7 {! `, G* `