随着广大用户越来越追求人工智能产品的体验,手势姿态估计存在广阔的应用前景,但也是当今计算机视觉的难题.针对目前自顶向下的姿态估计模式容易受视觉传感器与目标检测精度的影响,本文提出基于轻量级手势姿态网络(Lightweight Hand Pose Net,LHPN)算法的手势姿态估计方法,该算法采用Convolutional Pose Machines(CPM)算法的多层次顺序结构,在每个阶段后隐式地将上下文信息融合,并设计了轻量级主干网络,以提升手势姿态估计的综合性能.基于STB数据集对比分析不同内部结构的LHPN算法性能,并与典型算法进行对比.实验结果表明,LHPN算法能够对手势姿态进行准确估计,与CPM算法相比,在AUC方面提升了0.5％,在每帧图像运算时长方面减少了0.1358 s.
Research on Hand Pose Estimation Using LHPN Algorithm
周全、甘屹、何伟铭、孙福佳、杨丽红
展开 >
上海理工大学机械工程学院,上海 200093
日本中央大学,理工学部精密工学科,日本东京 112-8551
手势姿态估计 Lightweight Hand Pose Net Convolutional Pose Machines 轻量级
NETL
NSTL
万方数据
维普
