[发明专利]基于卷积神经网络的数字手势识别方法在审
| 申请号： | 201910147442.1 | 申请日： | 2019-02-27 |
| 公开（公告）号： | CN110046544A | 公开（公告）日： | 2019-07-23 |
| 发明（设计）人： | 张国山;赵阳 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的数字手势识别方法，包括下列步骤：利用Kinect深度相机采集10类数字的手势图像，对手势图像进行滤波处理；利用滤波后的图像建立各数字手势表征的样本集，方法如下：对滤波后的手势图像进行形态学预处理；分类标记图像信息，获得各数字手势表征的样本集，并分类制成训练集和测试集；构建卷积神经网络—CNN；输入训练样本集，提取图像特征，进行分类训练；利用训练后的卷积神经网络识别测试数据集里的图像。 | ||
| 搜索关键词： | 卷积神经网络 手势识别 手势图像 样本集 滤波 手势 形态学 预处理 提取图像特征 图像 测试数据集 训练样本集 分类标记 滤波处理 深度相机 图像建立 图像信息 测试集 训练集 分类 构建 采集 | ||
【主权项】：
1.一种基于卷积神经网络的数字手势识别方法，包括下列步骤：(1)利用Kinect深度相机采集10类数字的手势图像，对手势图像进行滤波处理；利用滤波后的图像建立各数字手势表征的样本集，方法如下：对滤波后的手势图像进行形态学预处理；分类标记图像信息，获得各数字手势表征的样本集，并分类制成训练集和测试集；(2)构建卷积神经网络—CNN：(2a)将各个类别的数字手势图像导入卷积神经网络，作为inputs层，其大小为[320,320,3,59]；(2b)构建8层卷积神经网络，对输入图像的每个像素进行卷积、下采样、池化等操作，得到每层的maps特征图；(2c)将每层的输出作为下一层的输入，经过前后8个层，最后汇聚于全连接fc层，通过输出层softmax分类器输出结果；(3)输入训练样本集，提取图像特征，进行分类训练；(3a)采用softmax分类器，对图像特征向量进行分类；(3b)采用卷积神经网络算法，对训练样本集进行训练，得到训练后的模型.mat文件；(4)利用训练后的卷积神经网络识别测试数据集里的图像。
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天津大学，未经天津大学许可，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/patent/201910147442.1/，转载请声明来源钻瓜专利网。
