复杂背景下基于深度学习的并行手势识别系统-电子与通信工程专业论文.docx

学校代码 分 类 号  10701 TP18 学 号 1202121452 密 级 公开 TN82西安电子科技大学 TN82 硕士学位论文 复杂背景下基于深度学习的 并行手势识别系统 作者姓名： 范泽 领 域： 电子与通信工程 学位类别： 工程硕士 学校导师姓名、职称： 企业导师姓名、职称： 冯冬竹副教授 郭芃高级工程师 提交日期： 2014 年 12 月 Parallel Gesture Recognition System Based on Deep Learning in Complex Background A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master in Electronics and Communication Engineering By Fan Ze Supervisor: Feng Dongzhu Guo Peng December 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下 进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容 以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学 或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明并表示了谢意。 学位论文若有不实之处，本人承担一切法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权 保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分 内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位 后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。 保密的学位论文在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘要 摘要 I I 摘要 随着移动终端和可穿戴设备的普及，人们希望使用自然交互的方法来替代旧 式的人机交互方式，基于机器视觉的手势识别是当今研究的热点。本文使用深度 学习算法，在基于计算机视觉的人机交互背景下进行手势识别研究，并试图结合 嵌入式技术和并行计算技术，搭建一套完整、可用的系统。 为了得到实际可用的自然手势图像，本文基于 ARM+Linux+USB 摄像头采集 室内复杂背景下的自然彩色手势图像，然后借鉴互联网络的云端处理思想把图像 处理工作迁移到计算能力、存储能力更加强大的 PC 平台；而且考虑到日益严重的 网络安全问题和制约移动终端的电池问题，本文在传输过程中使用运动物体检测、 H.264、OpenSSL 等技术对数据进行压缩和加密，以节省资源，保证数据安全。 在收到数据之后，本文在 PC 端实现手势识别工作。为了让系统实际可用（识 别时间尽可能短）、具有可以升级的智能，本文使用测试时间非常短的深度学习算 法来进行手势识别，并使用单机 GPU 方法来加速深度网络的训练和识别工作。为 了解决无法使用大量样本而导致算法性能不理想的情况，本文使用降噪自编码算 法小幅度提升模型性能，并在小样本上验证了自我学习算法的有效性。 关键词：图像采集传输，手势识别，深度学习，并行计算 论文类型：应用基础技术类 AB ABSTRACT III III ABSTRACT With the popularity of mobile terminals and wearable devices, people want to replace the current methods used during the interacting between human and computers with a more natural way, and gesture recognition based on machine vision is the one we are looking for. In the context of human-computer interaction based on computer vision, we use deep learning algorithms to do gesture recognition research ,and try to build a complete