[发明专利]一种面向deskVR的手势跟踪识别联合策略方法有效
| 申请号： | 201811002833.6 | 申请日： | 2018-08-30 |
| 公开（公告）号： | CN109359514B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 卢书芳;蔡历;丁雪峰;高飞;毛家发 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310014 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向deskVR的手势跟踪识别联合策略方法,首先通过卷积神经网络离线训练手势公开数据集ICVL，得到一个鲁棒性好、准确率高以及识别速度快的模型，并且通过合成数据测试联合方法准确率与速度的平衡点Rate，然后通过深度摄像头实时捕获深度图像，在对图像一系列预处理之后，根据手图像占比比例分别传入基于快速模型的手势识别方法或基于五区域卷积神经网络模型，返回识别后的关节点三维信息，进而映射三维人体模型。利用本发明的识别方法，在deskVR应用环境下具有良好的交互功能，在识别率、运算速度、普适性及准确性等方面表现良好。 | ||
| 搜索关键词： | 一种 面向 deskvr 手势 跟踪 识别 联合 策略 方法 | ||
【主权项】：
1.一种面向deskVR的手势跟踪识别联合策略方法，其特征在于，包括以下步骤：(1)搭建五区域卷积神经网络模型，所述五区域卷积神经网络模型由若干个不同的卷积层、池化层、激活层和全连接层组成；(2)选取训练集，并设置五区域卷积神经网络模型的训练参数；(3)根据五区域卷积神经网络模型及其训练参数，以最小化损失函数为目标训练模型，得到深度图像手势估计神经网络模型；(4)利用合成的深度数据集，统计数据集中各手势占图片面积比例的分布，测定在识别准确性和速度上达到最佳性能时的手面积比Rate，设定为策略选择阈值；(5)利用深度摄像机获取实时的深度图像帧，并对图像帧预处理；(6)根据最近邻算法，在每个独立的人体区域上检测手部区域；若能够检测出手部区域，则执行步骤(7)，若检测不到，则返回步骤(5)；(7)将检测出的手部深度图归一化处理，并计算出手图像面积所占比例rate，若rate>Rate，则执行步骤(8)，若rate
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浙江工业大学，未经浙江工业大学许可，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/201811002833.6/，转载请声明来源钻瓜专利网。
