基于CNN-LSTM混合模型的动态手势识别方法

动态手势识别是手势交互的关键技术,针对动态手势数据的时序性和空间不确定性造成识别困难问题,提出一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的动态手势序列识别方法.实验采用数据手套采集动态手势数据,对定义的8种动态手势进行测试,平均识别率达到了92.5％.实验表明,与单纯使用LSTM模型或CNN模型对比,所提模型识别率较高,在虚拟现实界面交互任务中用户体验更好.     

智能快递柜的设计与实现

随着电商的逐渐兴起,物流行业的工作量迅速增加。本文应用ZigBee技术和GSM技术实现了智能快递柜的设计,系统分为下位机信号采集传输模块和上位机控制模块。下位机具有身份识别和温湿度监控功能。利用Lab VEWI设计用户界面,实现用户动态密码验证功能。该系统工作稳定,提高了物流工作效率,具有一定的推广性。