[发明专利]基于卷积神经网络的数字手势识别方法

权利要求书

1.一种基于卷积神经网络的数字手势识别方法，包括下列步骤：

(1)利用Kinect深度相机采集10类数字的手势图像，对手势图像进行滤波处理；利用滤波后的图像建立各数字手势表征的样本集，方法如下：对滤波后的手势图像进行形态学预处理；分类标记图像信息，获得各数字手势表征的样本集，并分类制成训练集和测试集；

(2)构建卷积神经网络—CNN：

(2a)将各个类别的数字手势图像导入卷积神经网络，作为inputs层，其大小为[320,320,3,59]；

(2b)构建8层卷积神经网络，对输入图像的每个像素进行卷积、下采样、池化等操作，得到每层的maps特征图；

(2c)将每层的输出作为下一层的输入，经过前后8个层，最后汇聚于全连接fc层，通过输出层softmax分类器输出结果；

(3)输入训练样本集，提取图像特征，进行分类训练；

(3a)采用softmax分类器，对图像特征向量进行分类；

(3b)采用卷积神经网络算法，对训练样本集进行训练，得到训练后的模型.mat文件；

(4)利用训练后的卷积神经网络识别测试数据集里的图像。

2.根据权利要求1所述的方法，其特征在于，步骤(1)的滤波方法如下：基于联合双边滤波器的深度图像滤波算法，将Kinect镜头同一时刻采集的手势图像的深度图像和彩色图像作为输入，用高斯核函数计算出深度图像的空间距离权值和RGB彩色图像的灰度权值，将这两个权值相乘得到联合滤波权值，设计联合双边滤波器，用此滤波器的滤波结果与噪声图像进行卷积运算实现Kinect深度图像滤波。