[發(fā)明專(zhuān)利]一種基于改進(jìn)VGGNet網(wǎng)絡(luò)和PCA的靜態(tài)手勢(shì)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010532751.3
• 申請(qǐng)日: 2020-06-12
• 公開(kāi)（公告）號(hào): CN111695507B
• 公開(kāi)（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 謝武;賈清玉;劉滿(mǎn)意;強(qiáng)保華;崔夢(mèng)銀;瞿元昊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 桂林電子科技大學(xué)
• 主分類(lèi)號(hào): G06V40/20
• 分類(lèi)號(hào): G06V40/20;G06V40/10;G06V10/77;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06F16/51;G06F16/55;G06F16/583
• 代理公司: 桂林市華杰專(zhuān)利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 陸夢(mèng)云

本發(fā)明公開(kāi)了一種基于改進(jìn)VGGNet網(wǎng)絡(luò)的靜態(tài)手勢(shì)識(shí)別方法，該方法將VGGNet網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用不同的分支來(lái)學(xué)習(xí)標(biāo)簽信息，同時(shí)在網(wǎng)絡(luò)中引入哈希層將手勢(shì)圖像的特征投影到漢明空間，通過(guò)計(jì)算漢明距離來(lái)提高處理手勢(shì)的效率。將改進(jìn)后的VGGNet網(wǎng)絡(luò)和傳統(tǒng)的主成分分析方法相結(jié)合來(lái)進(jìn)行手勢(shì)識(shí)別，首先將原始數(shù)據(jù)集和增強(qiáng)后的數(shù)據(jù)集作為輸入數(shù)據(jù)對(duì)VGGNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到手勢(shì)圖像的高維特征，然后通過(guò)主成分分析法PCA將高維圖像特征進(jìn)行降維，減小特征向量長(zhǎng)度，縮短圖像之間的相似性度量的計(jì)算時(shí)間，從而提高提高手勢(shì)識(shí)別的精度和效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種靜態(tài)手勢(shì)識(shí)別方法，具體是一種基于改進(jìn)VGGNet網(wǎng)絡(luò)和PCA的靜態(tài)手勢(shì)識(shí)別方法。

背景技術(shù)

20世紀(jì)90年代，為了解決人工標(biāo)注方式存在的問(wèn)題，研究人員開(kāi)始將特征提取的目光轉(zhuǎn)向圖像內(nèi)容的本身，于是一系列基于內(nèi)容的圖像識(shí)別方法開(kāi)始被提出并廣泛應(yīng)用。為了準(zhǔn)確的描述圖像的特征，早期的CBIR技術(shù)大多數(shù)使用全局視覺(jué)特征來(lái)進(jìn)行圖像的描述。這種特征描述方式比較簡(jiǎn)潔，使用者可以很方便高效的進(jìn)行圖像檢索。但是，由于這種方法提取的是圖像低層視覺(jué)特征，當(dāng)遇到外界因素的干擾，如光照強(qiáng)度、遮擋、形變等惡劣條件時(shí)，此時(shí)無(wú)法準(zhǔn)確提取到圖像的有效特征。近年來(lái)，隨著CNN在計(jì)算機(jī)視覺(jué)領(lǐng)域獲得巨大成功，基于深度學(xué)習(xí)的圖像特征提取方法開(kāi)始流行起來(lái)。

手勢(shì)識(shí)別作為人機(jī)交互的一種重要的方式，隨著科技的發(fā)展已經(jīng)開(kāi)始步入人類(lèi)的生活并且在一些特殊的場(chǎng)合達(dá)到了比人類(lèi)與機(jī)器通過(guò)鍵盤(pán)鼠標(biāo)交互更好的效果，大大方便了人類(lèi)的生活，提升了生活質(zhì)量。目前人類(lèi)已經(jīng)步入大數(shù)據(jù)時(shí)代，傳統(tǒng)的手勢(shì)識(shí)別方法在面對(duì)海量以及各種外界條件影響的狀態(tài)下識(shí)別往往不盡人意。

發(fā)明內(nèi)容

本發(fā)明的目的是為了提高手勢(shì)識(shí)別的精度和效率，而提供一種基于改進(jìn)VGGNet網(wǎng)絡(luò)和PCA的靜態(tài)手勢(shì)識(shí)別方法。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種基于改進(jìn)VGGNet網(wǎng)絡(luò)和PCA的靜態(tài)手勢(shì)識(shí)別方法，包括如下步驟：

(1)輸入原始圖像I(x,y)；

(2)預(yù)估出每個(gè)位置的噪聲，并剔除；假設(shè)人眼看到的圖像I是圖像光照分量L和反射率分量R的乘積，具體表示如公式1所示：

I(x，y)＝R(x，y)·L(x，y) (1)

(3)分離三個(gè)顏色通道空間分量并轉(zhuǎn)化到對(duì)數(shù)域；從所拍攝的圖片I中合理計(jì)算出光照L，保留住物體的固有屬性R，并對(duì)公式1兩邊取對(duì)數(shù)，然后令i(x,y)＝log(I(x,y))，r(x,y)＝log(R(x,y))，l(x,y)＝log(L(x,y))可得到公式2：

i(x,y)＝r(x,y)+l(x,y) (2)

(4)設(shè)置高斯函數(shù)尺度的個(gè)數(shù)及大小；

(5)高斯函數(shù)對(duì)圖像的三個(gè)通道進(jìn)行濾波，濾波后的圖像就是光照分量，獲取圖像r(x,y)；反射分量計(jì)算公式如下：

r_i(x,y)＝i_i(x,y)-i_i(x,y)*G(x,y) (3)

其中，i_i(x,y)表示第i個(gè)通道的原始圖像，G(x,y)為高斯濾波函數(shù)，r_i(x,y)表示第i個(gè)通道的反射分量，*代表卷積，σ為尺度參數(shù)；

(6)采用多尺度的Retinex算法對(duì)手勢(shì)圖像進(jìn)行數(shù)據(jù)增強(qiáng)；

(7)構(gòu)建基于VGGNet網(wǎng)絡(luò)結(jié)構(gòu)：采用VGGNet16網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，對(duì)VGGNet16進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)定義及初始化，設(shè)置學(xué)習(xí)率lr、批大小batch和迭代輪次epochs等；