来源：期刊VIP网 时间：
作者：高广荣;李云峰;
单位：河南科技大学机电工程学院;
摘要：针对现有手势识别方法中存在的网络模型参数量大、识别过程中忽略了帧间差异、无法充分捕获视频流关键帧细节特征等问题，本研究提出了一种基于时域循环增强图卷积网络（Time-Domain Cyclic Enhanced GraphConvolutionalNetworks, TCE-GCN）的手势识别方法。首先，采用VGG-19网络的前10层提取图像特征，结合轻量型OpenPose提取手势骨骼的特征关键点坐标，充分关注手势的全局图像特征和局部骨骼信息。其次，引入时域循环增强模块，用于双流自适应图卷积网络中捕捉手势的演变，提高对帧与帧之间手势差异的理解。最后，引入坐标注意力模块，利用坐标信息进一步捕获手势的位置信息，提高模型的泛化能力。该算法在Jester手势数据集上准确率为95.9%，在SHREC’17数据集上识别准确率为96.3%，相对于其他基线算法有更高的手势识别精度。
关键词：手势识别;;轻量型OpenPose;;时域循环增强;;坐标注意力
基金资助：河南省重大科技专项(No.221100220100)
