面向嵌入式平台的手势轨迹识别
王绎茗,高美凤
江南大学
2024-10-09
针对大部分嵌入式平台计算能力较弱、无法实时运行基于神经网络的应用程序的情况,提出了 一种基于AnchorFree轻量化卷积神经网络(CNN)的手势交互方法。该方法缓解了AnchorBased检测的弊端,通过神经网络实时检测人体手部,并利用动态时间规整(DTW)算法对手势轨迹进行分类。神经网络参数量仅有0. 22 M,在自建手部检测数据集上的平均精度均值(mAP)交并比(IoU)=0. 50! 0. 95可以达到68 % 。在RK3568嵌入式平台上,每帧推理和后处理时间仅有31 ms,轨迹分类耗时仅有43 ms,CPU使用率仅有34 % ,满足实时性要求。
  • 嵌入式
被引用: 478次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、本文算法

    • 1.1 网络骨干结构

    • 1.2 特征金字塔网络与解耦头结构及其改进

    • 1.3 AnchorFree改进方案

    • 1.4 手势轨迹分类

  • 2、自建手部检测数据集

  • 3、实验

    • 3.1 实验环境

    • 3.2 基准网络与改进网络对比

    • 3.3 手势轨迹分类实验

    • 3.4 嵌入式平台部署

  • 3、结束语

核心点推荐
  • 轻量化卷积神经网络;无锚框;目标检测;手势分类;嵌入式系统