一种基于特征位移的手势识别方法

来源：电子测量技术杂志2024年第8期北京时间：

作者：刘翔，刘新妹，李传坤，张晋钊

单位：1.中北大学信息探测与处理山西省重点实验室 太原 030051; 2.中北大学省部共建动态测试技术国家重点实验室 太原 030051

摘要：针对卷积操作受到遍历规则的限制，只能提取单个骨骼节点的特征信息，不能对相邻节点之间的有效特征信息进行融合，导致表达能力有限的问题，提出了一种基于特征位移模块的手势识别神经网络。该网络采用常规时空图卷积神经网络的架构，并将常规时空卷积模块替换为特征位移模块，实现相邻节点特征信息之间的融合。利用特征位移模块对位移信道进行重新排序，实现提取骨骼节点的全局化特征信息，进一步完成对手势信息的高效准确分类。并在公开数据集DHG-14/28和FPHA上验证该特征位移模块，在14类、28类和FPHA手势数据集的分类准确度分别达到了95.11%、93.01%和92.67%。实验结果表明，该网络模型能够更好更有效的挖掘全局特征信息，在常见的手势识别数据集上达到了优秀的性能。

关键词：手势识别;卷积神经网络;特征位移;图卷积神经网络;深度学习

基金资助：山西省回国留学人员科研项目(2017-090)、山西省重点研发项目(201903D121058)资助