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

4 Q0 o, b8 |2 ~& I$ G
' P! f( u9 d$ X7 m. E, g' q
9 E$ @4 f+ E( j3 t
$ V6 u8 n: t5 V  ~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
' j1 I0 t( X  W% F( m) b! \7 j+ z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 _2 W: N/ D/ _9 T3 c% H& U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，
, }( Y+ \6 y+ ~) y) I. 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
3 t) W; {( Y1 Z3 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%
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。
) g7 q* |1 m/ K2 A2 M7 v4 n' K
6 G5 M  o0 V6 F0 Y
4 z1 e7 z6 N) D) V5 m

7 z; m; o2 ~+ U