[發明專利]基于語義概率網絡的手勢識別方法

在審

• 申請號: 201911144025.8
• 申請日: 2019-11-20
• 公開（公告）號: CN110956105A
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 李春賓
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 柴國偉

1.一種基于語義概率網絡的手勢識別方法，包括：

將預設階段中視頻識別出的一組圖像手勢作為識別事件，再對所述識別事件采用一組分層的本體概念來構建領域本體，計算出各領域本體中的變量和狀態；

基于所述領域本體，以各個領域本體及其變量和狀態進行聚合作為組成節點構建貝葉斯網絡，貝葉斯網絡的連通矩陣定義各組成節點之間的條件依賴關系，構成預設的手勢識別模型；

將視頻抓取到的手勢圖像輸入所述手勢識別模型，由所述手勢識別模型對所輸入的圖像進行識別分類，并確定輸出最終的手勢識別結果。

2.根據權利要求1所述的基于語義概率網絡的手勢識別方法，其特征在于，對所述識別事件采用一組分層的本體概念來構建領域本體，計算出各領域本體中的變量和狀態，包括：

領域本體中的每個識別事件通過聚合與其他識別事件分組，構成對應于各識別事件的變量數據集、狀態數據集，其中，變量數據集中的變量為從觀察到的識別事件計算出的可視描述符派生的屬性，狀態數據集中的狀態為所述識別事件的聚合變量。

3.根據權利要求2所述的基于語義概率網絡的手勢識別方法，其特征在于，對所述識別事件采用一組分層的本體概念來構建領域本體時，還對若干識別事件進行聚合分組構成事件數據集，事件數據集中的事件數據為一組圖像手勢，

4.根據權利要求2或3所述的基于語義概率網絡的手勢識別方法，其特征在于，對所述識別事件采用一組分層的本體概念來構建領域本體時，還對若干識別事件進行聚合分組構成場景數據集，場景數據集中的場景為與識別事件同時并行發生的多組識別事件。

5.根據權利要求1所述的基于語義概率網絡的手勢識別方法，其特征在于，貝葉斯網絡的連通矩陣定義各組成節點之間的條件依賴關系，構成預設的手勢識別模型，包括：

通過所述識別事件的開始和結束的本體關系來建立貝葉斯網絡中各組成節點之間的連接，如考慮的關系為真則使用其來連接相應的貝葉斯網絡的組成節點。

6.根據權利要求5所述的基于語義概率網絡的手勢識別方法，其特征在于，基于各識別事件之間的關系的似然性和連接強度值計算所述貝葉斯網絡的各組成節點的權重。

7.根據權利要求6所述的基于語義概率網絡的手勢識別方法，其特征在于，基于各識別事件之間的關系的似然性和連接強度值計算所述貝葉斯網絡的各組成節點的權重，包括：

從觀察到的識別事件計算對應圖像中的可視描述符派生的屬性，即為輸入變量，設定輸入變量所對應的的似然等級分別為低、中、高可能性等級，使用漸變的可能性等級，同時結合單個識別事件、一組識別事件以及整體場景下的連接強度，計算貝葉斯網絡中組成節點的權重。

8.一種計算設備，包括存儲器、處理器和存儲在所述存儲器內并能由所述處理器運行的計算機程序，其中，所述處理器執行所述計算機程序時實現如權利要求1-7中任一項所述的方法。

9.一種計算機可讀存儲介質，優選為非易失性可讀存儲介質，其內存儲有計算機程序，所述計算機程序在由處理器執行時實現如權利要求1-7中任一項所述的方法。

10.一種計算機程序產品，包括計算機可讀代碼，當所述計算機可讀代碼由計算機設備執行時，導致所述計算機設備執行實現如權利要求1-7中任一項所述的方法。