[发明专利]一种可用于手部动作识别的神经网络模型的生成方法和系统

说明书

本发明实施例提供了一种可用于手部动作识别的神经网络模型的生成方法和系统。在本发明实施例中，采集手部数据，采用所述手部数据，生成训练数据，构建原始神经网络模型，使用所述训练数据训练所述原始神经网络模型，得到所述可用于手部动作识别的神经网络模型，采用该神经网络模型，可实现自定义手势动作的识别，并且识别精度高，对相似动作的区分准确，兼顾左右手的属性，鲁棒性好，可拓展性强，另外，还降低了硬件成本，使用范围广，兼容多个开发环境，实时性较好。

技术领域

本发明涉及手部动作识别技术领域，特别是涉及一种可用于手部动作识别的神经网络模型的生成方法和系统。

背景技术

随着智能移动设备和可穿戴设备的兴起，手势、眼动、人脸识别等新兴技术得到了广泛的现实应用。目前，手势识别在人机交互、智能控制等领域均发挥了重要作用。基于视觉的手势识别实现方式是指利用设备采集人手的图像，并进行图像分析得到手势的信息，从而识别出手部动作，具备适用范围广、成本低、用法简易等优点。

现有的手势动作识别方案中主要有两种，一种是使用目标检测算法直接检测图像中手的动作，可扩展性不强，对不同用户的手泛化性不够，效率低且不够灵活，无法满足设备对定制手势动作的高要求；另一种是使用leap motion或knect这样深度传感器来捕捉手势，再进行动作判定，这种方案需要培贵昂贵的硬件，具有一定的使用局限性，应用面不够广，无法在嵌入式设备上搭载。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种可用于手部动作识别的神经网络模型的生成方法和相应的一种可用于手部动作识别的神经网络模型的生成系统。

为了解决上述问题，本发明实施例公开了一种可用于手部动作识别的神经网络模型的生成方法，所述方法包括：

采集手部数据；

采用所述手部数据，生成训练数据；

构建原始神经网络模型；

使用所述训练数据训练所述原始神经网络模型，得到所述可用于手部动作识别的神经网络模型。

可选地，所述手部数据包括手部的关节相对距离坐标，所述采集手部数据的步骤包括：

确定手部关键点；

获取所述手部关键点的空间坐标；

采用所述手部关键点的空间坐标，计算手部的关节相对距离坐标。

可选地，所述手部数据还包括手部属性，所述手部属性包括左手属性或者右手属性，所述采集手部数据的步骤还包括：

对所述手部属性进行判断，确定所述手部属性。

可选地，使用所述训练数据训练所述原始神经网络模型，得到所述用于手部动作识别的神经网络模型的步骤包括：

使用所述训练数据训练所述原始神经网络模型，并计算所述原始神经网络模型的损失函数的值；

当所述损失函数的值稳定时，将所述原始神经网络模型确定为所述可用于手部动作识别的神经网络模型。

本发明实施例还公开了一种可用于手部动作识别的神经网络模型的生成系统，所述系统包括：

手部数据采集模块，用于采集手部数据；

训练数据生成模块，用于采用所述手部数据，生成训练数据；

原始神经网络构模型建模块，用于构建原始神经网络模型；

神经网络模型训练模块，使用所述训练数据训练所述原始神经网络模型，得到所述可用于手部动作识别的神经网络模型。