[发明专利]基于神经网络的手势识别方法、装置、存储介质及设备

说明书

本申请涉及图像识别技术领域，尤其涉及一种基于神经网络的手势识别方法、装置、存储介质及设备。其中，所述基于神经网络的手势识别方法，包括：获取原始手势图像，并对所述原始手势图像进行二值化处理获得二值化手势图像；将所述原始手势图像和二值化手势图像分别输入神经网络模型的两个通道分别进行识别，获得所述原始手势图像的手势特征信息；计算所述手势特征信息与数据库中各个正样本手势特征信息之间的欧式距离，并根据所述欧式距离确定所述原始手势图像中的手势类型。本申请提供的方案，能够解决手势识别的准确率低下的问题，以提高手势识别的准确率。

技术领域

本申请涉及图像识别技术领域，具体而言，本申请涉及一种基于神经网络的手势识别方法、装置、存储介质及设备。

背景技术

手势识别是通过一定的算法使计算机识别图片或镜头中人体的手势，进而理解该手势的含义，实现用户和计算机的相互交流。随着机器学习和深度学习的发展，手势识别被广泛应用在游戏，购物等场景中。

现有技术中，一般是利用手势图像进行相应图像处理和识别后得到手势类型。但是，由于拍照环境不同，往往会造成光照不足、遮挡、分辨率不够、姿态不正确等场景，采用上述现有技术，容易存在会造成手势识别准确度下降等问题，给手势识别过程造成极大的挑战。

发明内容

本申请提供了一种基于神经网络的手势识别方法、基于神经网络的手势识别装置、计算机可读存储介质及计算机设备，以解决手势识别的准确率低下的问题，以提高手势识别的准确率。

本申请实施例首先提供了一种基于神经网络的手势识别方法，包括：

获取原始手势图像，并对所述原始手势图像进行二值化处理获得二值化手势图像；

将所述原始手势图像和二值化手势图像分别输入神经网络模型的两个通道分别进行识别，获得所述原始手势图像的手势特征信息；

计算所述手势特征信息与数据库中各个正样本手势特征信息之间的欧式距离，并根据所述欧式距离确定所述原始手势图像中的手势类型。

在一种实施例中，所述对所述原始手势图像进行二值化处理获得二值化手势图像的步骤，包括：

将原始手势图像划分为若干子区域；

对每个子区域中的像素窗口均执行如下操作：以窗口中心像素的灰度值作为阈值，将相邻像素的灰度值与其进行比较，获得该像素窗口的LBP值；

用像素窗口的LBP值代替该像素窗口的原灰度值，获得所述原始手势图像对应的二值化手势图像。

在一种实施例中，所述将所述原始手势图像和二值化手势图像分别输入神经网络模型的两个通道分别进行识别的步骤之前，还包括：

根据训练手势图像建立神经网络模型；其中，建立神经网络模型的步骤，包括：

获取预设的训练图像集合中的训练手势图像，对所述训练手势图像及其二值化手势图像进行特征提取，分别获得训练手势图像及二值化手势图像对应的N维特征向量，整合所述N维特征向量获得2N维特征向量；

基于该2N维特征向量进行特征向量的对比，利用正样本手势图像的对比结果调整特征向量的权重，获得神经网络模型。

在一种实施例中，所述利用正样本手势图像的对比结果调整特征向量的权重，获得神经网络模型的步骤，包括：

采用Inception-Resnet-V2的基本网络结构构建初始双通道神经网络模型；

提取正样本手势图像中的所述2N维特征向量，将所述2N维特征向量及该正样本手势图像对应的手势类型输入初始双通道神经网络模型，获得2N维特征向量的初始权重值；