[发明专利]基于语义概率网络的手势识别方法

权利要求书

1.一种基于语义概率网络的手势识别方法，包括：

将预设阶段中视频识别出的一组图像手势作为识别事件，再对所述识别事件采用一组分层的本体概念来构建领域本体，计算出各领域本体中的变量和状态；

基于所述领域本体，以各个领域本体及其变量和状态进行聚合作为组成节点构建贝叶斯网络，贝叶斯网络的连通矩阵定义各组成节点之间的条件依赖关系，构成预设的手势识别模型；

将视频抓取到的手势图像输入所述手势识别模型，由所述手势识别模型对所输入的图像进行识别分类，并确定输出最终的手势识别结果。

2.根据权利要求1所述的基于语义概率网络的手势识别方法，其特征在于，对所述识别事件采用一组分层的本体概念来构建领域本体，计算出各领域本体中的变量和状态，包括：

领域本体中的每个识别事件通过聚合与其他识别事件分组，构成对应于各识别事件的变量数据集、状态数据集，其中，变量数据集中的变量为从观察到的识别事件计算出的可视描述符派生的属性，状态数据集中的状态为所述识别事件的聚合变量。

3.根据权利要求2所述的基于语义概率网络的手势识别方法，其特征在于，对所述识别事件采用一组分层的本体概念来构建领域本体时，还对若干识别事件进行聚合分组构成事件数据集，事件数据集中的事件数据为一组图像手势，

4.根据权利要求2或3所述的基于语义概率网络的手势识别方法，其特征在于，对所述识别事件采用一组分层的本体概念来构建领域本体时，还对若干识别事件进行聚合分组构成场景数据集，场景数据集中的场景为与识别事件同时并行发生的多组识别事件。

5.根据权利要求1所述的基于语义概率网络的手势识别方法，其特征在于，贝叶斯网络的连通矩阵定义各组成节点之间的条件依赖关系，构成预设的手势识别模型，包括：

通过所述识别事件的开始和结束的本体关系来建立贝叶斯网络中各组成节点之间的连接，如考虑的关系为真则使用其来连接相应的贝叶斯网络的组成节点。

6.根据权利要求5所述的基于语义概率网络的手势识别方法，其特征在于，基于各识别事件之间的关系的似然性和连接强度值计算所述贝叶斯网络的各组成节点的权重。

7.根据权利要求6所述的基于语义概率网络的手势识别方法，其特征在于，基于各识别事件之间的关系的似然性和连接强度值计算所述贝叶斯网络的各组成节点的权重，包括：

从观察到的识别事件计算对应图像中的可视描述符派生的属性，即为输入变量，设定输入变量所对应的的似然等级分别为低、中、高可能性等级，使用渐变的可能性等级，同时结合单个识别事件、一组识别事件以及整体场景下的连接强度，计算贝叶斯网络中组成节点的权重。

8.一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。

9.一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行实现如权利要求1-7中任一项所述的方法。