[发明专利]一种基于深度神经网络的动态手势识别方法及系统有效
| 申请号： | 201810745350.9 | 申请日： | 2018-07-09 |
| 公开（公告）号： | CN108932500B | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 肖定坤;万磊;詹羽荣;李博 | 申请（专利权）人： | 广州智能装备研究院有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08;G06N3/04 |
| 代理公司： | 北京捷诚信通专利事务所(普通合伙) 11221 | 代理人： | 王卫东 |
| 地址： | 510000 广东省广州市中*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的动态手势识别方法及系统，包括：采集不同手势含义的动态手势视频片段生成训练样本数据集，样本数据包含RGB图像和深度信息；设计基于深度神经网络的动态手势识别网络模型，并利用训练样本对模型进行训练；利用训练好的动态手势识别模型进行动态手势测试与识别；动态手势识别网络模型由特征提取网络、前后帧关联网络以及分类识别网络构成，其中前后帧关联网络用于对每一个手势含义的样本经过特征提取网络得到的特征向量进行前后时间帧的关联映射，并将其合并为每一个手势含义的融合特征向量。本发明，在网络模型中引入了双向LSTM模型来理解连续手势姿态之间的相关性，极大提高了动态手势的识别率。 | ||
| 搜索关键词： | 动态手势识别 手势 神经网络 网络模型 特征提取 特征向量 网络 帧关联 训练样本数据 分类识别 深度信息 视频片段 手势姿态 训练样本 样本数据 时间帧 识别率 映射 样本 采集 测试 关联 合并 融合 引入 | ||
【主权项】：
1.一种基于深度神经网络的动态手势识别方法，包括以下步骤：采集C种不同手势含义的动态手势视频片段的样本数据，经过数据扩充处理后生成训练样本数据集，其中样本数据为RGB‑D格式，包含RGB图像和对应的深度信息，C为正整数；设计基于深度神经网络的动态手势识别网络模型；利用训练样本对所述动态手势识别网络模型进行训练；利用训练好的基于深度神经网络的动态手势识别模型，对采集到的动态手势进行识别；其特征在于：所述动态手势识别网络模型由特征提取网络、前后帧关联网络以及分类识别网络构成，其中：所述特征提取网络对一个手势含义的视频输入样本的RGB‑D格式的四通道数据进行特征提取，获得每一个手势含义的样本特征向量，每一层卷积层中，卷积核窗口大小设为3×3；所述前后帧关联网络用于对每一个手势含义的样本特征向量进行前后时间帧的关联映射，并将其合并为每一个手势含义的融合特征向量；所述分类识别网络用于对每一个手势含义的融合特征向量进行分类识别，输出样本对应的手势类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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广州智能装备研究院有限公司，未经广州智能装备研究院有限公司许可，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/patent/201810745350.9/，转载请声明来源钻瓜专利网。
