[发明专利]一种基于3D卷积神经网络算法的动态手势识别方法在审
| 申请号： | 201910186468.7 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109948498A | 公开（公告）日： | 2019-06-28 |
| 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 |
| 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： | 首次提出了一种基于3D卷积神经网络的算法进行动态手势识别。基于3D卷积神经网络的动态手势别与传统动态手势识别方法相比，不需要人为提取手势特征，通过3D卷积神经网络，自动提取手势特征；3D卷积神经网络与常见的2D卷积神经网络最大的不同在于3D卷积神经网络采用3D卷积核和3D池化窗口，这样卷积神经网络进行卷积操作不仅可以提取空间特征，而且可以提取时间特征；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 手势特征 动态手势识别 提取特征 卷积 算法 传统动态 空间特征 时间特征 手势识别 自动提取 自动学习 卷积核 池化 手势 精细 | ||
【主权项】：
1.一种基于3D卷积神经网络的算法进行动态手势识别方法，其特征在于，包括：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的同时又更加准确的表示了图像。
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/201910186468.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种物体检测方法、装置及电子设备
- 下一篇：一种身份证验证系统及方法
