[发明专利]一种基于卷积神经网络的动态手势识别方法及系统在审
| 申请号： | 202010646082.2 | 申请日： | 2020-07-07 |
| 公开（公告）号： | CN111860238A | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 李东洁;赵洪月 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 时起磊 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 卷积 神经网络 动态 手势 识别 方法 系统 | ||
1.一种基于卷积神经网络的动态手势识别方法及系统，包括以下几个步骤.
A、使用VIVA数据集，该数据集含有19个动态手势类别，包含RGB和Depth两个模态；
B、设计基于卷积神经网络的3D动态手势模型；
C、使用串联融合的方式对3D卷积神经网络在三个方向提取出来的特征进行特征融合；
D、运用训练好的卷积神经网络模型进行动态手势的识别测试。
2.根据权利要求1所述的方法，其特征在于，使用视频时域剪裁和视频镜像翻转的方法对样本进行扩充，与原始样本一起组成训练样本集。
3.根据权利要求1所述的方法，其特征在于，3D卷积神经网络结构，整个网络由4个卷积层、4个池化层、4个BN层外加2个全连接层构成。该网络的结构分成3个子网络部分：从上方提取特征(Top-Net)的网络，从左方提取特征(Left-Net)和从正前方提取特征(Front-Net)。将三个方向提出的特征进行特征融合。
4.根据权利要求1所示的方法，其特征在于，网络训练的具体方法如下。
A、利用Xavier方法对卷积神经网络的权重和偏置进行初始化，使得权重和偏置服从的均匀分布，ni和no分别为该层输入和输出神经元个数。mini_batch的尺寸为32，网络的最大迭代次数为8850，最初学习率设置为0.01。经过3000次迭代后变为0.001，经过5000次迭代后变成0.0001，经过6000次迭代后变成0.00001。
B、使用带动量的小批量随机梯度下降算法来优化3D卷积神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010646082.2/1.html，转载请声明来源钻瓜专利网。
