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

8 u. S4 j  z7 O6 `. U
# ~' `2 `) U$ ~/ @; j6 H) n
# I& c5 I- u* W/ [. O
7 }  v8 K' o( r# `8 o4 d" S& S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
) w; R, f) @4 K0 w' |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 `9 h/ Z+ s4 B# n' ?& F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，
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
; ]: Y' R8 X4 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
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%
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
( r, x! k  d) e& L每秒 32~36 帧的识别速率和较高的手势识别率。


& U5 E# e6 K# E9 ?$ {
. |' S8 p" P- ]+ s
2 ]! Y( N" ]5 z& W$ R
" T, I1 D8 c7 Q# S$ o- Z5 J