一种手势误识特征发现方法技术

本发明专利技术提供一种手势误识特征矩阵特征发现方法，假设被卷积神经网络识别正确的m张食指手势图片构成集合A，被卷积神经网络识别错误的n张食指手势图片构成集合B，利用Python接口提取第7层全连接层的特征值，并保存到矩阵V，输入任意两张图i和j，其中i∈A，j∈B，计算误识特征矩阵Qi的步骤如下：a.分别提取i，j在第7层全连接层特征值，并保存到矩阵V中；b.分别计算i，j输入到Softmax函数的Zi,Zj上的值；c.对数据从小到大排列，并曲线描述Zi,Zj的变化趋势，找出变化剧烈的特征以及对应原来的维数，并将维数构成集合C；d.从C1开始遍历，一直到C4096结束循环，统计每一维的频数以及频率；e.频率大于90％维保存到矩阵Q；f.结束。本发明专利技术能够有效提取误识特征矩阵。

A Gesture Misrecognition Feature Discovery Method

【技术实现步骤摘要】
一种手势误识特征发现方法
本专利技术涉及图像识别
，尤其涉及一种动态手势识别的方法，具体是指一种手势误识特征发现方法。
技术介绍
几十年来，动态手势识别已被广泛研究，因为它可以提供高水平的人机交互，但很少有研究人员关注相似手势的识别。在2006年，动态贝叶斯分类器被提出通过结合基于运动和基于姿势的特征来识别相似的手势，从而实现竞争分类率[1]。Elmezain[2]等人提出了一种实时手势识别系统，该系统包含36种手势，主要通过建立包含位置、方向和速度特征的组合特征来提高相似手势的准确性。Ding[3]介绍了在数字0-9和字母A-Z构成的数据库中有许多类似形状的手势，如S和5、Z和2，它们的识别率很低。由此作者提出了一种区分类似手势的新方法。首先捕获三维空间中的跳跃运动轨迹信息，并将运动特征量化为特征。然后利用隐马尔可夫模型(HMM)方法对手势进行建模和分类。实验结果表明，该方法具有较高的识别率和通用性。综上分析，目前对于相似手势的研究寥寥无几，对于相似手势的研究方法大多数通过结合多种手势特征，或者结合多种分类方法，最大程度降低相似性，在一定程度上提高了识别率。但是无法从根源上解本文档来自技高网...

【技术保护点】
1.一种手势误识特征发现方法，假设被卷积神经网络识别正确的m张食指手势图片构成集合A，被卷积神经网络识别错误的n张食指手势图片构成集合B，利用Python接口提取第7层全连接层的特征值，并保存到矩阵V，输入任意两张图i和j，其中i∈A，j∈B，其特征在于，计算误识特征矩阵Qi的步骤如下：a.分别提取i，j在第7层全连接层特征值，并保存到矩阵V中；b.分别计算i，j输入到Softmax函数的Zi,Zj上的值；c.对数据从小到大排列，并曲线描述Zi,Zj的变化趋势，找出变化剧烈的特征以及对应原来的维数，并将维数构成集合C；d.从C1开始遍历，一直到C4096结束循环，统计每一维的频数以及频率；e....

【技术特征摘要】
1.一种手势误识特征发现方法，假设被卷积神经网络识别正确的m张食指手势图片构成集合A，被卷积神经网络识别错误的n张食指手势图片构成集合B，利用Python接口提取第7层全连接层的特征值，并保存到矩阵V，输入任意两张图i和j，其中i∈A，j∈B，其特征在于，计算误识特征矩阵Qi的步骤如下：a.分别提取i，j在第7层全连接层特征值，并保存到矩阵V中；b.分别计算i，j输入...

【专利技术属性】
技术研发人员：孙元功，孙凯云，冯志全，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37