[發明專利]一種用于手勢姿態分類的方法在審
| 申請號： | 202010510643.6 | 申請日： | 2020-06-08 |
| 公開（公告）號： | CN111695484A | 公開（公告）日： | 2020-09-22 |
| 發明（設計）人： | 陳海波 | 申請（專利權）人： | 深蘭人工智能芯片研究院(江蘇)有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06K9/46 |
| 代理公司： | 常州佰業騰飛專利代理事務所(普通合伙) 32231 | 代理人： | 滕詣迪 |
| 地址： | 213000 江蘇省常州市武進*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用于 手勢 姿態 分類 方法 | ||
1.一種用于手勢姿態分類的方法，其特征在于包括如下步驟：
熱圖融合步驟，首先生成每個關節點的熱圖，將生成的熱圖上取最大值進行融合；
強化結構信息步驟，將在已有的關節點中插入新的關節點，在每根手指可見的相鄰兩個關節點之間做插值，映射到熱圖，同樣將插入的每個關節點轉為熱圖，最終將關節點和插入點的熱圖做融合，生成聯合熱圖；
聯合熱圖回歸步驟，對于聯合熱圖的回歸損失采用了L2損失函數進行回歸；
關節點的分類步驟，基于聯合熱圖進行像素級分類，使用focal loss損失函數求解。
2.根據權利要求1所述的用于手勢姿態分類的方法，其特征在于，熱圖融合步驟：
首先生成每個關節點的熱圖，Jk(k∈(1,2,...,K))表示一只手的k個關節點，將每個可見關節點轉為k∈{Ivisual}，其中Ivisual表示所有可見關節點索引的集合，分別表示標注數據關節點在熱圖上對應的坐標，jkx、jky、jkz分別表示標注數據關節點的相機坐標，R為熱圖的縮放因子；然后將生成的len(Ivisual)個熱圖進行融合，融合的策略為在熱圖像素上取最大值，融合的熱圖：
3.根據權利要求1所述的用于手勢姿態分類的方法，其特征在于，強化結構信息步驟：
在每根手指可見的相鄰兩個關節點之間做插值，假定手部手指關節點之間的骨骼為直線，即插入的關節點由指頭的相鄰兩個關節點生成，插入關節點的坐標計算為：
xin＝m(x2-x1)+x1,yin＝m(y2-y1)+y1,zin＝m(z2-z1)+z1,m∈(0,1),Jin＝{(xin,yin,zin)}，
其中(x1,y1,z1)和(x2,y2,z2)為手指上相鄰的兩個關節點坐標，Jin表示所有插入關節點的集合，映射到熱圖為，同樣將插入的每個關節點轉為熱圖：
其中表示插入的所有關節點，最終將關節點和插入點的熱圖做融合。
4.根據權利要求3所述的用于手勢姿態分類的方法，其特征在于：每個插入點的熱圖值分布范圍要比關節點的小，最終的聯合熱圖可表示為：
5.根據權利要求1所述的用于手勢姿態分類的方法，其特征在于，聯合熱圖回歸步驟：
采用了L2損失函數，其中為預測的聯合熱圖，而hunion為真實聯合熱圖；
6.根據權利要求1所述的用于手勢姿態分類的方法，其特征在于，關節點的分類步驟：
基于聯合熱圖進行像素級分類，其中0類代表非關節點，1～k類表示k個關節點類別；這樣在熱圖之后會有w*h*(k+1)的特征圖，其中w為熱圖的寬度，h為熱圖的高度，k+1為特征圖的通道數；然后使用focal loss損失函數，其中y為熱圖每個像素的真實類別，1～k類中的某類，y′為預測為第k個類別的概率，α為正負樣本平衡系數，γ為單樣本權重降低的速率:
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深蘭人工智能芯片研究院(江蘇)有限公司，未經深蘭人工智能芯片研究院(江蘇)有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010510643.6/1.html，轉載請聲明來源鉆瓜專利網。
