[发明专利]一种基于双向独立循环神经网络的骨架手势识别方法

权利要求书

1.一种基于双向独立循环神经网络的骨架手势识别方法，其特征在于，包括以下步骤：

步骤1：获取骨架手势数据集并进行预处理；

步骤2：构建双向独立循环神经网络；

步骤3：将步骤1得到的数据集输入到步骤2构建的神经网络中进行训练；

步骤4：采用步骤3训练得到的神经网络进行骨架手势的识别；

双向独立循环神经网络包括输入层、n个依次连接的隐层、输出层；

输入层将骨架手势数据的关节坐标序列及其计算得到的时间位移拼接后按时间维度展开；隐层中的神经网络细胞从时间递增和时间递减两个时间方向对输入的骨架手势数据循环计算并将隐层两个时间方向的计算结果拼接输出给下一隐层；输出层将最后一层隐层的最后一个时刻的输出值经全连接操作后输出；所述步骤1中的数据集的每个样本中坐标序列随机提取n帧，得到每个样本的长度为n的坐标序列，计算每一帧坐标的时间位移；将数据坐标序列和其时间位移输入到双向独立循环神经网络进行手势识别；所述步骤2中的双向独立循环神经网络中隐层以短路连接或者密集连接的方式连接；

其中n＝6，神经网络结构的输入层将手势的关节坐标数据和计算得到的时间位移拼接，作为网络的输入；叠加六层单层网络进行计算，得到一组输出序列；输出层将该层输出序列的最后时刻的输出值，通过一个全连接网络进行线性变换，得到所需结果。

2.根据权利要求1所述的一种基于双向独立循环神经网络的骨架手势识别方法，其特征在于，所述隐层计算过程如下：

h_1,t＝σ(W₁x_t+u₁⊙h_1,t-1+b₁)

h_2,t＝σ(W₂x_t+u₂⊙h_2,t+1+b₂)

h_1,t＝concat(h_1,t,h_2,t)

式中：h_t为t时刻的细胞状态值，h_1,t为t时刻时间递增方向的细胞状态值，h_2,t为t时刻时间递减方向的细胞状态值；t-1表示上一时刻，t+1表示下一时刻，x_t为t时刻该层网络的输入数据，W₁为时间递增方向的网络细胞对输入的线性变换矩阵，W₂为时间递减方向的网络细胞对输入的线性变换矩阵，u₁为时间递增方向的网络细胞状态的系数向量，u₂为时间递减方向的网络细胞状态的系数向量，⊙表示哈达马积运算，concat为张量的拼接操作，b₁和b₂均为偏置系数。

3.根据权利要求1所述的一种基于双向独立循环神经网络的骨架手势识别方法，其特征在于，所述步骤3训练过程中采用交叉熵函数作为损失函数。

4.根据权利要求1所述的一种基于双向独立循环神经网络的骨架手势识别方法，其特征在于，所述步骤3训练过程中采用Adam优化器对网络的参数进行优化。