[發明專利]一種基于雙向獨立循環神經網絡的骨架手勢識別方法

有效

• 申請號: 201910079911.0
• 申請日: 2019-01-28
• 公開（公告）號: CN109902583B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 李帥;朱策;鄭龍飛;張鐵;高艷博
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 王沙沙

1.一種基于雙向獨立循環神經網絡的骨架手勢識別方法，其特征在于，包括以下步驟：

步驟1：獲取骨架手勢數據集并進行預處理；

步驟2：構建雙向獨立循環神經網絡；

步驟3：將步驟1得到的數據集輸入到步驟2構建的神經網絡中進行訓練；

步驟4：采用步驟3訓練得到的神經網絡進行骨架手勢的識別；

雙向獨立循環神經網絡包括輸入層、n個依次連接的隱層、輸出層；

輸入層將骨架手勢數據的關節坐標序列及其計算得到的時間位移拼接后按時間維度展開；隱層中的神經網絡細胞從時間遞增和時間遞減兩個時間方向對輸入的骨架手勢數據循環計算并將隱層兩個時間方向的計算結果拼接輸出給下一隱層；輸出層將最后一層隱層的最后一個時刻的輸出值經全連接操作后輸出；所述步驟1中的數據集的每個樣本中坐標序列隨機提取n幀，得到每個樣本的長度為n的坐標序列，計算每一幀坐標的時間位移；將數據坐標序列和其時間位移輸入到雙向獨立循環神經網絡進行手勢識別；所述步驟2中的雙向獨立循環神經網絡中隱層以短路連接或者密集連接的方式連接；

其中n＝6，神經網絡結構的輸入層將手勢的關節坐標數據和計算得到的時間位移拼接，作為網絡的輸入；疊加六層單層網絡進行計算，得到一組輸出序列；輸出層將該層輸出序列的最后時刻的輸出值，通過一個全連接網絡進行線性變換，得到所需結果。

2.根據權利要求1所述的一種基于雙向獨立循環神經網絡的骨架手勢識別方法，其特征在于，所述隱層計算過程如下：

h_1,t＝σ(W₁x_t+u₁⊙h_1,t-1+b₁)

h_2,t＝σ(W₂x_t+u₂⊙h_2,t+1+b₂)

h_1,t＝concat(h_1,t,h_2,t)

式中：h_t為t時刻的細胞狀態值，h_1,t為t時刻時間遞增方向的細胞狀態值，h_2,t為t時刻時間遞減方向的細胞狀態值；t-1表示上一時刻，t+1表示下一時刻，x_t為t時刻該層網絡的輸入數據，W₁為時間遞增方向的網絡細胞對輸入的線性變換矩陣，W₂為時間遞減方向的網絡細胞對輸入的線性變換矩陣，u₁為時間遞增方向的網絡細胞狀態的系數向量，u₂為時間遞減方向的網絡細胞狀態的系數向量，⊙表示哈達馬積運算，concat為張量的拼接操作，b₁和b₂均為偏置系數。

3.根據權利要求1所述的一種基于雙向獨立循環神經網絡的骨架手勢識別方法，其特征在于，所述步驟3訓練過程中采用交叉熵函數作為損失函數。

4.根據權利要求1所述的一種基于雙向獨立循環神經網絡的骨架手勢識別方法，其特征在于，所述步驟3訓練過程中采用Adam優化器對網絡的參數進行優化。