[发明专利]一种采用量子粒子群算法优化神经网络权值的手势识别方法

摘要

本发明提出了一种采用量子粒子群算法优化神经网络权值的手势识别方法，属于人机交互中的视觉手势识别技术领域。本发明在用传统的神经网络进行手势识别的基础上，利用量子粒子群算法优化BP神经网络的网络参数。首先用卷积神经网络提取手势数据集的特征，将提取的特征向量输入BP神经网络进行手势识别，然后用量子粒子群算法代替传统的梯度下降法，来对网络的参数进行更新，获取更优的网络权值。本发明在相同的数据集和网络结构下，可以显著的提升最后的识别准确率，识别效果好。

主权项

1.一种采用量子粒子群算法优化神经网络权值的手势识别方法，具体步骤如下：1)将手势图像数据集输入一个深层卷积神经网络进行特征提取，具体包括如下步骤：11)搭建一个深层卷积神经网络，根据不同的结构设置神经元的不同连接方式，以获取特定维度的特征向量；12)将手势图像数据集输入卷积神经网络，利用反向传播算法对步骤11)中搭建的卷积神经网络参数进行求解，当网络输出误差达到设定阈值时停止网络训练；13)将数据集输入步骤12)中训练好的卷积神经网络，获取手势图像的特征向量；2)构建BP神经网络，将步骤1)中提取到的特征向量输入网络；具体包括如下步骤：21)搭建神经元的数学模型，即将多个输入做线性加权求和后，再通过一个特定的激活函数得到最后的输出；22)构建BP神经网络，包含输入层、隐含层与输出层，同层神经元之间无连接，层与层之间各个神经元实现相互连接；3)对步骤2)中构建的BP神经网络通过QPSO算法进行训练；4)将测试集输入步骤3)中训练好的网络，进行手势识别。