[发明专利]基于卷积神经网络和对抗卷积神经网络的手势识别方法在审
| 申请号： | 201910084356.0 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109815920A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 方巍;丁叶文;张飞鸿 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 吴海燕 |
| 地址： | 210044 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积神经网络 手势识别 对抗 处理方式 图像像素 提取图像特征 结合应用 人类大脑 神经网络 视觉系统 训练模型 训练样本 传统的 准确率 卷积 拟合 手势 | ||
1.一种基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，包括步骤：
(1)采集样本图像，确定学习样本，并分类存放；
(2)利用对抗卷积神经网络自主学习样本图像，生成得到新的手势图像；
(3)对抗卷积神经网络生成的手势图像，作为识别卷积神经网络自主学习的样本，训练得到识别卷积神经网络模型；
(4)准备待识别手势；
(5)调用识别卷积神经网络模型进行手势识别；
(6)保存识别结果。
2.根据权利要求1所述的基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，所述步骤1中，所述学习样本为上过标签的样本，并按标签分类存放。
3.根据权利要求1所述的基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，所述步骤2中，对抗卷积神经网络包括生成模型和判别模型，通过生成模型不断生成图像，由判别模型不断判断生成图像是否为真实图片，从而形成博弈的过程，最终生成与真实图像几乎一致的生成图像。
4.根据权利要求3所述的基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，所述生成模型包括卷积层和全连接层，所述判别模型包括卷积层和全连接层。
5.根据权利要求1所述的基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，所述步骤3中，所述识别卷积神经网络模型包括卷积层、池化层、扁平层和全连接层。
6.根据权利要求1所述的基于卷积神经网络和对抗卷积神经网络的手势识别方法，其特征在于，所述步骤6中，使用txt文本记录手势图像及对应的识别结果，以测试时间来命名txt文本。
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南京信息工程大学，未经南京信息工程大学许可，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/pat/books/201910084356.0/1.html，转载请声明来源钻瓜专利网。
