[发明专利]基于深度卷积神经网络的自由场景第一视角手指关键点检测方法在审
| 申请号： | 201610033819.7 | 申请日： | 2016-01-19 |
| 公开（公告）号： | CN105718879A | 公开（公告）日： | 2016-06-29 |
| 发明（设计）人： | 金连文;黄毅超;刘孝睿;张鑫 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 李斌;杨晓松 |
| 地址： | 510640 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度卷积神经网络的自由场景第一视角手指关键点检测方法，包括下述步骤：S1、获取训练数据，通过合适的定位技术获取得到包含手部的区域，人工标记手指关键点所在的坐标，所述手指关键点包括指尖和手指关节点；S2、设计一个深度卷积神经网络，利用该深度卷积网络求解点坐标回归问题；S3、通过大量标记样本训练该深度卷积神经网络的权重参数，经过一定迭代到达稳定后，获得多层的卷积核参数；S4、以任意前景图片作为输入，经过网络参数的计算后准确得到手指关键点坐标。本发明提供了一种准确度高、鲁棒性好的第一视角手指关键点检测方法。 | ||
| 搜索关键词： | 基于 深度 卷积 神经网络 自由 场景 第一 视角 手指 关键 检测 方法 | ||
【主权项】：
基于深度卷积神经网络的自由场景第一视角手指关键点检测方法，其特征在于，包括下述步骤：S1、获取训练数据，通过定位技术获取得到包含手部的区域，人工标记手指关键点所在的坐标，所述手指关键点包括指尖和手指关节点；S2、设计一个深度卷积神经网络，利用该深度卷积网络求解点坐标回归问题，其目标函数为四维向量输出和四维向量真实值之差的欧氏范数，并利用定义进行误差反向传播和梯度下降对目标函数进行优化；S3、通过大量标记样本训练该深度卷积神经网络的权重参数，经过迭代到达稳定后，获得多层的卷积核参数；S4、以任意前景图片作为输入，经过网络参数的计算后得到准确的手指关键点坐标。
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华南理工大学，未经华南理工大学许可，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/201610033819.7/，转载请声明来源钻瓜专利网。
