[發(fā)明專利]一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法

在審

• 申請?zhí)枺?/td>: 201710174418.8
• 申請日: 2017-03-22
• 公開（公告）號: CN106991386A
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計）人: 謝益峰;顏成鋼;王雁剛;邵碧堯;項露萱
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F3/01;G06K9/62;G06K9/46;G06N99/00
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙)33240
• 代理人: 杜軍

1.一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于包括如下步驟：

步驟1.獲取手勢的原始數(shù)據(jù)信息，并將其進行N點標(biāo)記得到2N維的原始標(biāo)簽數(shù)據(jù)；其中N≥1；

步驟2.對上述原始數(shù)據(jù)信息及2N維的標(biāo)簽數(shù)據(jù)進行預(yù)處理；

步驟3、將上述預(yù)處理后的原始數(shù)據(jù)信息與轉(zhuǎn)化為hdf5格式的2N維的的原始標(biāo)簽數(shù)據(jù)作為原始訓(xùn)練數(shù)據(jù)，輸入到深度殘差網(wǎng)絡(luò)中訓(xùn)練網(wǎng)絡(luò)參數(shù)，得到手勢識別模型；

步驟4、將待識別手勢數(shù)據(jù)做與步驟1相同的N點標(biāo)記得到2N維的待識別標(biāo)簽數(shù)據(jù)；

步驟5、對上述待識別手勢數(shù)據(jù)及2N維的標(biāo)簽數(shù)據(jù)進行預(yù)處理，并將預(yù)處理后的手勢數(shù)據(jù)與轉(zhuǎn)化為hdf5格式的2N維的待識別標(biāo)簽數(shù)據(jù)，輸入到上述手勢識別模型中進行識別，得到識別結(jié)果。

2.如權(quán)利要求1所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于所述手勢的原始數(shù)據(jù)信息與所述待識別手勢數(shù)據(jù)是指收集的各類手勢圖片。

3.如權(quán)利要求1所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于所述原始數(shù)據(jù)信息、2N維的標(biāo)簽數(shù)據(jù)、待識別手勢數(shù)據(jù)進行預(yù)處理包括圖像正則化、先驗條件約束、數(shù)據(jù)格式及對應(yīng)圖像轉(zhuǎn)換操作。

4.如權(quán)利要求2所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于對手勢圖片進行預(yù)處理是指利用matlab將手勢圖片的大小進行歸一化。

5.如權(quán)利要求1所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于步驟3中所述深度殘差網(wǎng)絡(luò)訓(xùn)練時采用自下上升的監(jiān)督學(xué)習(xí)方式。

6.如權(quán)利要求1所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于步驟3中所述的構(gòu)建的深度殘差網(wǎng)絡(luò)具體如下：

所述深度殘差網(wǎng)絡(luò)包括一輸入層、一初始卷積層、多個殘差模塊、一全連接層和一輸出層；

所述初始卷積層用于對輸入的原始訓(xùn)練數(shù)據(jù)進行卷積；

所述多個殘差模塊用于提取上述卷積后的數(shù)據(jù)的卷積特征；

所述全連接層包括多個節(jié)點，用于將上述卷積特征進行分類。

7.如權(quán)利要求6所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于所述每個殘差模塊在一開始分為一條主徑和一條捷徑，并在結(jié)束時重新疊加整合。

8.如權(quán)利要求6所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于：在第一個殘差模塊前存在一個max-pooling操作，用于壓縮維度，減小卷積層數(shù)誤差造成估計均值的偏移，更多的保留紋理信息；在所述全連接層之后存在一mean-Pooling操作，以降低鄰域大小受限造成的估計值方差增大所造成的的影響。

9.如權(quán)利要求6所述的一種基于深度殘差網(wǎng)絡(luò)的手勢識別方法，其特征在于：在每個殘差模塊中的每個卷積層和池化層之后存在BatchNormaliztion操作，以使提取后的特征均值為0，方差為1。