[发明专利]一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法

权利要求书

1.一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，其特征在于，包括以下步骤：

S1、采用安装在车辆前方的摄像机拍摄车辆前方含有交警的图像；

S2、对图像进行预处理，利用ORB算法检测预处理后的图像中的关键点，当某一像素点与其领域像素点的8位灰度图的数值差值在设定阈值以上时，该像素点为关键点，并且图像中的轮廓点也是关键点；

S3、利用BRIED特征描述子描述S2中检测到的关键点的特征；

S4、通过随机一致性采样算法和关键点匹配图像中交警制服所在区域；

S5、计算交警制服中心点，并结合交警制服与交警身体的比例关系膨胀出交警所在区域；

S6、将交警区域图像输入手势识别网络，手势识别网络利用深度级可分离卷积结构精简模型，并通过支持向量机或者一层全连接层得到手势分类结果，完成交警手势识别。

2.根据权利要求1所述的一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，其特征在于，所述的步骤S2的具体操作如下：

S21、采用最大最小值滤波法处理原始图像，得到初步光照图；

S22、采用均值滤波处理初步光照图，得到滤波后的光照图；

S23、将原始图像与S22得到的光照图相减得到预处理后的图像；

S24、利用ORB算法检测预处理后的图像中的关键点，即图像中的轮廓点、与领域像素点的8位灰度图的数值差值在50以上的像素点。

3.根据权利要求1所述的一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，其特征在于，步骤S5中的交警制服中心点为S2检测出的所有关键点的几何中心点。

4.根据权利要求1所述的一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，其特征在于，步骤S5中交警制服与交警身体的比例关系的取值范围为1:4到1:3之间。

5.根据权利要求1所述的一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，其特征在于，步骤S6的具体操作如下：

S61、将交警区域图像输入手势识别网络；

S62、通过n个深度级可分离卷积模块级联，构建人体关节点的特征提取网络，从交警区域图像中获取每个像素点的人体关节点分布特征图和偏移向量特征图；

S63、根据人体关节点分布特征图的置信度结合S62中各像素点的偏移向量特征图，得到图像中人体关节点的坐标；

S64、计算人体左右肩部关节点连线的中心点，将S63得到的所有关节点坐标依次减去中心点坐标，进行归一化处理；

S65、通过支持向量机或者一层全连接层处理归一化后的数据，对交警手势进行分类，得到最终的交警手势识别结果。