文献类型：期刊文章

作　　者：姚炜铭[1] 王晓华[1] 吴楠[2]

Yao Weiming;Wang Xiaohua;Wu Nan(College of Electrouics and Information,Xi'an Pol yteclanic Univevsity,Xi'an,Shaanxi 710048,China;College of Information Engineering,Shaawwi Xueqiau Normal University,Xi'an,Shawnai 710048,China)

机构地区：[1]西安工程大学电子信息学院,陕西西安710048 [2]陕西学前师范学院信息工程学院,陕西西安710100

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(51607133);教育部工程科技人才培养研究项目(18JDGC029);纺织工业联合会科技指导性计划项目(2018098);西安工程大学博士科研启动基金项目(107020384);研究生创新基金项目(chx2019025);大学生创新创业项目(S201910709042);陕西学前师范学院科研基金项目(2018ZDKJ02)。

年　　份：2020

卷　　号：57

期　　号：18

起止页码：181-188

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：在人机协作缝纫中,实现人机交流互动的前提是机器人对工人的缝纫手势的检测与理解。针对传统算法手势识别率低、小目标手势检测效果差的问题,提出一种基于改进单发检测(SSD)模型的缝纫手势识别方法。首先引入更深的Resnet50残差网络替换原始SSD模型中的VGG16基础网络,改善网络特征提取能力。然后采用基于特征金字塔(FPN)的网络结构进行高低层特征融合,进一步提高了检测精度。实验结果表明,在构建的缝纫手势数据集中,通过对比原始SSD算法及其他算法,发现改进模型的检测精度显著提升;网络中残差连接在提高精度的同时并没有增加模型的参数和复杂程度,每幅图片的平均检测速度为52 frame/s,完全满足缝纫手势的实时检测。

关 键 词：图像处理 缝纫手势  目标检测 SSD 人机协作 特征金字塔  

分 类 号：TP391.4]