[发明专利]一种动态手势识别模型的建立及使用方法

权利要求书

1.一种动态手势识别模型的建立方法，其特征在于，包含有以下步骤，

步骤S1，提供训练数据集：所述训练数据集由原始视频序列及基于所述原始视频序列再处理得到的再处理视频序列构成；

步骤S2，搭建卷积循环神经网络模型：所述卷积循环神经网络模型具有卷积神经网络及循环神经网络，所述卷积神经网络用于将所述训练数据集转换为特征向量序列，所述循环神经网络用于对所述特征向量序列进行时间维度处理；以及，

步骤S3，训练卷积循环神经网络模型：将所述训练数据集输入到所述卷积循环神经网络模型中，通过随机梯度下降的方法进行训练后得到动态手势识别模型。

2.根据权利要求1所述的一种动态手势识别模型的建立方法，其特征在于，步骤S1中，所述再处理的方式为下述之一或组合：裁剪、重放、慢放、快放。

3.根据权利要求1所述的一种动态手势识别模型的建立方法，其特征在于，步骤S2中，所述卷积神经网络共设计10层，其中，4层卷积层，3层最大池化层和3层全连接层。

4.根据权利要求3所述的一种动态手势识别模型的建立方法，其特征在于，步骤S2中，所述卷积神经网络的具体参数如下：

Conv1：卷积核大小为3×3，输入通道数为3，输出通道数为12；

Maxpooling1：池化窗口大小为2×2，步长为2×2；

Conv2：卷积核大小为3×3，输入通道数为12，输出通道数为28；

Conv3：卷积核大小为3×3，输入通道数为28，输出通道数为64；

Maxpooling2：池化窗口大小为2×2，步长为2×2；

Conv4：卷积核大小为3×3，输入通道数为64，输出通道数为16；

Maxpooling3：池化窗口大小为2×2，步长为2×2；

FC1：输入神经元个数1024，输出神经元个数120；

FC2：输入神经元个数120，输出神经元个数84；

FC2：输入神经元个数84，输出神经元个数64。

5.根据权利要求1所述的一种动态手势识别模型的建立方法，其特征在于，步骤S2中，所述循环神经网络共计3层。

6.根据权利要求5所述的一种动态手势识别模型的建立方法，其特征在于，步骤S2中，所述循环神经网络的具体参数如下：

LSTM：输入向量长度64，隐藏层单元数82，层数3；

FC3：输入神经元个数82，输出神经元个数20。

7.一种动态手势识别模型的使用方法，其特征在于，包含有以下步骤，

提供权利要求1至6中任意一项所述的动态手势识别模型；以及，

由所述动态手势识别模型将采集到的动态手势视频序列转换为手势识别向量。