[发明专利]一种基于多尺度卷积神经网络的静态手势识别方法在审
| 申请号： | 201710540178.9 | 申请日： | 2017-07-05 |
| 公开（公告）号： | CN109214250A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 谢斌;宋迪;喻仲斌 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 首次提出一种多尺度的卷积神经网络的静态手势识别方法，本发明基于深度学习的Caffe框架进行优化设计，并进用图像处理的技术原理对静态手势图片进行识别。首先对于简单背景下和复杂背景下的静态手势图片数据进行采集与预处理，数据分为训练数据与测试数据；搭建实验测试环境的搭建后进行基于多尺度的卷积神经网络的设计，即：确定神经网络层数，选择合适的尺度特征等；把训练数据放入此网络结构中进行学习后输入测试数据样本进行测试，得出识别精度。此发明能够利用卷积层自动学习手势特征，克服了人工提取特征的弊端以及常见卷积神经网络提取特征不够精细全面及稳定性欠佳等缺点，相比之下识别精度更高，训练时间相当；且此方法灵活性强，适用性广。 | ||
| 搜索关键词： | 卷积神经网络 多尺度 静态手势识别 提取特征 训练数据 手势 预处理 输入测试数据 测试数据 尺度特征 复杂背景 技术原理 神经网络 实验测试 手势特征 图片数据 图像处理 网络结构 优化设计 自动学习 放入 卷积 样本 精细 采集 测试 学习 图片 | ||
【主权项】：
1.一种基于多尺度卷积神经网络的静态手势识别方法，其特征在于，包括：基于图像处理与深度学习结合的方法，设计出一种基于多尺度卷积神经网络的静态手势识别方法；通过多层的特征提取，多尺度卷积神经网络利用低层、中层和高层图像特征进行图像分类识别，使得图像的分类识别能够更加精细化，计算量不大，优于单尺度卷积神经网络。
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中南大学，未经中南大学许可，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/201710540178.9/，转载请声明来源钻瓜专利网。
