[发明专利]一种基于yolo-v3框架整合横纵向信息的手势识别方法

说明书

本发明提供了手势识别技术领域的一种基于yolo‑v3框架整合横纵向信息的手势识别方法，包括如下步骤：步骤S10、获取大量的手势图片，对各所述手势图片进行数据扩充得到图片集；步骤S20、利用滑动平均算法构建Decay BN层；步骤S30、通过横向卷积和纵向卷积构建yolo‑v3的主干网络；步骤S40、基于小目标损失构建损失函数；步骤S50、基于所述Decay BN层、主干网络以及损失函数构建一手势识别模型；步骤S60、利用所述图片集对手势识别模型进行训练；步骤S70、利用训练后的所述手势识别模型进行手势识别。本发明的优点在于：极大的提升了手势识别的精度。

技术领域

本发明涉及手势识别技术领域，特别指一种基于yolo-v3框架整合横纵向信息的手势识别方法。

背景技术

随着人机交互的日益流行，手势识别成为人机交互的一种重要方法，各领域都需要手势识别来支撑业务，例如活体检测可以通过手势的改变确定是否是照片冒充，聋哑教育可以通过手势来翻译想要表达的意思，家庭娱乐可以通过手势识别来提升游戏体感等。

但是，传统手势识别模型的识别精度还不尽如人意，原因如下：1、手势种类繁多，且很多手势相似，不同角度相似的手势很容易造成误判；2、手势在不同的场景下的尺寸规模不一致，而较小的手势在图片中出现的次数较少，现有损失函数注重尺寸规模较大的手势，因此在手势识别模型训练时会忽略较小尺寸的手势，较小尺寸的手势得不到重视，从而导致手势识别模型在小尺寸手势检测时不准；3、手势识别模型的主干网络采用通用的yolo-v3框架，没有基于手势识别这一具体问题进行改进。

因此，如何提供一种基于yolo-v3框架整合横纵向信息的手势识别方法，实现提升手势识别的精度，成为一个亟待解决的技术问题。

发明内容

本发明要解决的技术问题，在于提供一种基于yolo-v3框架整合横纵向信息的手势识别方法，实现提升手势识别的精度。

本发明是这样实现的：一种基于yolo-v3框架整合横纵向信息的手势识别方法，包括如下步骤：

步骤S10、获取大量的手势图片，对各所述手势图片进行数据扩充得到图片集；

步骤S20、利用滑动平均算法构建Decay BN层；

步骤S30、通过若干个横向卷积和纵向卷积构建yolo-v3的主干网络；

步骤S40、基于小目标损失构建损失函数；

步骤S50、基于所述Decay BN层、主干网络以及损失函数构建一手势识别模型；

步骤S60、利用所述图片集对手势识别模型进行训练；

步骤S70、利用训练后的所述手势识别模型进行手势识别。

进一步地，所述步骤S10具体包括：

步骤S11、获取大量的手势图片；

步骤S12、利用相似度函数对各所述手势图片进行k-means聚类，得到N个类别；

步骤S13、分别从N个类别中依次选取一张所述手势图片，并对各所述手势图片的手势区域进行裁减得到子图片，并将所述子图片的尺寸修正为手势图片的1/N；

步骤S14、将各所述子图片拼接成第一图片，将各所述子图片随机旋转不同角度拼接成第二图片，对各所述子图片进行随机重复采样N次后拼接成第三图片，将所述子图片、第一图片、第二图片以及第三图片组成一个batch；

步骤S15、基于各所述batch组成数据扩充后的图片集。

进一步地，所述步骤S12中，所述相似度函数的公式为：