%0 Journal Article %A 张强 %A 张勇 %A 刘芝国 %A 周文军 %A 刘佳慧 %T 基于改进YOLOv3的手势实时识别方法 %D %R 10.19678/j.issn.1000-3428.0054222 %J 计算机工程 %P 237-245,253 %V 46 %N 3 %X 针对基于人工建模方式的手势识别方法准确率低、速度慢的问题,提出一种基于改进YOLOv3的静态手势实时识别方法。采用卷积神经网络YOLOv3模型,将通过Kinect设备采集的IR、Registration of RGB、RGB和Depth图像代替常用的RGB图像作为数据集,并融合四类图像的识别结果以提高识别准确率。采用k-means聚类算法对YOLOv3中的初始候选框参数进行优化,从而加快识别速度。在此基础上,利用迁移学习的方法对基础特征提取器进行改进,以缩短模型的训练时间。实验结果表明,该方法对流式视频静态手势的平均识别准确率为99.8%,识别速度高达52 FPS,模型训练时间为12 h,与Faster R-CNN、SSD、YOLOv2等深度学习方法相比,其识别精度更高,识别速度更快。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0054222