基于YOLOv8n和RexNet的轻量化动态手势识别网络设计

来源：上海理工大学学报杂志2025年第5期北京时间：

作者：廖良进，陈晓荣，倪明，李文莎，李柏杨，倪思佳

单位：上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海交通大学医学院附属瑞金医院，上海 200025,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093

摘要：针对手术室环境下的动态手势人机交互问题，提出了一种基于深度学习的手势识别算法YOLO-RexNet。基于YOLOv8n的动态手势检测部分，在网络中融入DualConv卷积模块，利用GhostNetV2重构C2f模块，并应用模型剪枝技术，在减少模型参数量和计算量的同时保持较高的检测精度。实验结果表明，改进后的算法参数量减少了70.9%，计算量降低了69.7%，模型权重大小下降了66.2%，检测耗时降低了41.3%，动态手势识别的准确率达到99%。基于RexNet的手部关键点检测部分，将损失函数替换为Huber_Loss，使关键点的预测更加准确。所提算法在保证动态手势识别精度的同时，满足轻量化要求，实现了对医疗设备的便捷操作。在Jetson orin nano嵌入式边缘设备上部署时，每秒帧数能够达到65，具备良好的应用前景。

关键词：动态手势识别;关键点检测;YOLOv8n;RexNet;模型剪枝

基金资助：国家自然科学基金资助项目（52175513）