[发明专利]一种基于深度级可分离卷积网络的行人手势识别与交互方法

权利要求书

1.一种基于深度级可分离卷积网络的行人手势识别与交互方法，其特征在于，包含以下步骤：

步骤一、采集包含行人的图像；

步骤二、将图像输入深度可分离卷积网络，检测行人包围盒，将包围盒区域的图像输入手势识别网络，输出行人区域的特征图；

步骤三、计算关节点坐标并对关节点坐标分类得到手势识别结果，具体步骤包括：

步骤3.1、计算关节点坐标：由步骤二得到的特征点中包含的人体关节点分布特征图的置信度，结合对应点的偏移向量特征图，找到每个特征图中置信度最高的点以确定关节点类别，再从偏移向量得到关节点位置，从而得到人体关节点的完整信息；

步骤3.2、归一化：得到人体关节点坐标后，以左右肩连线的中心点为中心，将所有的关节点减去中心点的坐标后，进行归一化处理；

步骤3.3、分类：将归一化后的数据使用支持向量机或者一层全连接网络进行分类，得到最终的行人手势识别结果；

步骤四、对手势的优先级进行排序；

步骤五、根据优先级在前的手势表达的示意，得到移动车辆的最终交互决策。

2.根据权利要求1所述的一种基于深度级可分离卷积网络的行人手势识别与交互方法，其特征在于，步骤二所述深度级可分离卷积神经网络具体包括：

步骤2.1、深度卷积；

步骤2.2、批归一化；

步骤2.3、Relu激活；

步骤2.4、点卷积；

步骤2.5、批归一化；

步骤2.6、Relu激活。

3.根据权利要求1所述的一种基于深度级可分离卷积网络的行人手势识别与交互方法，其特征在于，步骤二所述特征图中的特征点包含12个人体关节点在该特征点存在的概率以及每个关节点在该点的偏移向量。

4.根据权利要求1所述的一种基于深度级可分离卷积网络的行人手势识别与交互方法，其特征在于，步骤三所述对关节点坐标分类采用深度级可分离卷积结构精简模型。

5.根据权利要求1所述的一种基于深度级可分离卷积网络的行人手势识别与交互方法，其特征在于，所述步骤五中，当同时检测到车辆周围有多个行人作出不同的手势的时候，根据行人手势的优先级不同，采用最保守策略作出行动决策。