[发明专利]一种基于卷积神经网络和3D估计的手势识别方法在审
| 申请号： | 201910703355.X | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110555383A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 陈分雄;蒋伟;王晓莉;熊鹏涛;韩荣;叶佳慧;王杰 | 申请（专利权）人： | 中国地质大学(武汉) |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 42238 武汉知产时代知识产权代理有限公司 | 代理人： | 邹桂敏 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 手势识别 特征图 手部 掩码 图像 卷积神经网络 手部关节 网络定位 网络模型 构建 卷积 视点 网络 监督 学习 | ||
1.一种基于卷积神经网络和3D估计的手势识别方法，其特征在于，包括：
步骤一：对待识别图像采用SegNet-base网络模型进行处理，以提取待识别图像中的手部掩码特征图；
步骤二：构建基于监督学习的深度卷积网络DetectNet，对所述手部掩码特征图中的手部关节点进行网络定位，以得到2D估计的手势识别结果；
步骤三：采用基于规范帧和视点估计的PoseNormNet模型，对2D估计的手势识别结果进行处理，得到3D估计的手势识别结果。
2.根据权利要求1所述的一种基于卷积神经网络和3D估计的手势识别方法，其特征在于，步骤一中，采用SegNet-base网络模型，首先将图像中的目标分成两部分：手部及背景，采用卷积神经网络进行检测；网络层由多个卷积块和全卷积层构成，每个卷积块通过连续卷积方式形成，卷积块内均采用“SAME”方式卷积。
3.根据权利要求1所述的一种基于卷积神经网络和3D估计的手势识别方法，其特征在于，步骤二中，利用卷积神经网络CNN模型构建手部关节点检测网络DetectNet，结合网络SegNet-base，组成2D手部关节点检测模型PoseNet2D，通过2D手部关节点检测模型PoseNet2D对手部掩码特征图处理得到2D估计的手势识别结果。
4.根据权利要求1所述的一种基于卷积神经网络和3D估计的手势识别方法，其特征在于，步骤三中，PoseNormNet模型的输入维度根据2D手部关节点检测模型PoseNet2D进行设置。
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中国地质大学(武汉)，未经中国地质大学(武汉)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/201910703355.X/1.html，转载请声明来源钻瓜专利网。
