[发明专利]基于双通路深度卷积神经网络的动态手势识别方法有效
| 申请号： | 201710990519.2 | 申请日： | 2017-10-23 |
| 公开（公告）号： | CN107808131B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 罗阳星;徐向民;邢晓芬 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/40;G06K9/62;G06N3/04;G06T7/55 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 林梅繁 |
| 地址： | 510640 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： | 本发明公开了基于双通路深度卷积神经网络的动态手势识别方法，首先从深度摄像头中采集动态手势的深度图像序列和彩色图像序列，并进行预处理操作，得到动态手势的深度前景图像序列和彩色前景图像序列；设计双通路深度卷积神经网络，将深度前景图像序列和彩色前景图像序列输入双通路深度卷积神经网络，通过多级的深度卷积层和深度池化层，分别提取动态手势在深度空间和彩色空间上的时域特征和空间特征，并把时域特征和空间特征融合后再输入到softmax分类器；根据softmax分类器输出的结果得到最终的手势识别结果。本发明采用双通路深度卷积神经网络模型，提取并融合动态手势彩色和深度空间上的特征，对动态手势识别率有较大的提升。 | ||
| 搜索关键词： | 基于 通路 深度 卷积 神经网络 动态 手势 识别 方法 | ||
【主权项】：
1.基于双通路深度卷积神经网络的动态手势识别方法，其特征在于，包括以下步骤：/nS1、从深度摄像头中采集动态手势的图像序列，包括深度图像序列和彩色图像序列；/nS2、对深度图像序列和彩色图像序列进行预处理操作，得到动态手势的深度前景图像序列和彩色前景图像序列；/nS3、设计一个双通路深度卷积神经网络，其包括两个深度卷积神经网络；将深度前景图像序列和彩色前景图像序列输入双通路深度卷积神经网络，通过多级的深度卷积层和深度池化层，分别提取动态手势在深度空间和彩色空间上的时域特征以及动态手势在深度空间和彩色空间上的空间特征，并把时域特征和空间特征融合后再输入到softmax分类器；/nS4、根据softmax分类器输出的结果得到最终的手势识别结果。/n
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/201710990519.2/，转载请声明来源钻瓜专利网。
