【技术实现步骤摘要】
手势识别方法、装置及计算机可读存储介质
本专利技术涉及人工智能领域，尤其涉及一种手势识别方法、装置及计算机可读存储介质。
技术介绍
随着计算机在社会中的普及，促进人机交互(HCI，Human–ComputerInteraction)技术的发展将对计算机的使用产生积极影响，因此，人们越来越重视研究用于跨域人机障碍的新技术。长期以来，手势一直被认为是一种可以提供更自然、更有创意和更直观的与计算机进行通信的交互技术，所以在人机交互中加入手势是一个重要的研究领域。在人机交互领域，手势通常被定义为：人类通过手掌和手指的不同姿势组合形成的具有特定含义信息的集合体。可通过对用户的手势进行识别，最终实现根据手势的类型对计算机或其他电子设备执行对应的控制操作。然而，目前对手势图像进行识别时，往往对差异度较大的手势识别效果较好，而对比于差异度较小的手势识别效果较差，手势识别结果的准确性较差。
技术实现思路
本专利技术的主要目的在于提供一种手势识别方法、装置及计算机可读存储介质，旨在实现对图像差异度极小的手势的精确识别...
【技术保护点】
1.一种手势识别方法，其特征在于，所述手势识别方法包括以下步骤：/n获取待识别手势图像；/n将所述待识别手势图像输入至预先训练好的手势识别模型，得到手势识别结果；/n其中，所述手势识别模型是基于组合得到的训练样本组合和预设损失函数训练得到的。/n
【技术特征摘要】
1.一种手势识别方法，其特征在于，所述手势识别方法包括以下步骤：
获取待识别手势图像；
将所述待识别手势图像输入至预先训练好的手势识别模型，得到手势识别结果；
其中，所述手势识别模型是基于组合得到的训练样本组合和预设损失函数训练得到的。
2.如权利要求1所述的手势识别方法，其特征在于，所述获取待识别手势图像的步骤之前，还包括：
获取训练样本数据，所述训练样本数据包括训练样本图像及其类别标签；
根据所述类别标签对所述训练样本图像进行组合，得到训练样本组合；
利用所述训练样本组合和预设损失函数对预设手势识别模型进行训练，得到所述手势识别模型。
3.如权利要求2所述的手势识别方法，其特征在于，所述根据所述类别标签对所述训练样本图像进行组合，得到训练样本组合的步骤包括：
根据所述类别标签对相同类别的训练样本图像进行两两组合；
向各个组合中随机加入一个另一类别的训练样本图像，得到训练样本组合。
4.如权利要求2所述的手势识别方法，其特征在于，所述预设手势识别模型包括特征提取层和分类器；
所述利用所述训练样本组合和预设损失函数对预设手势识别模型进行训练，得到所述手势识别模型的步骤包括：
将所述训练样本组合输入至所述特征提取层进行特征提取，得到各训练样本图像对应的特征向量；
根据所述特征向量计算各训练样本组合中同类样本特征之间的第一余弦角度和不同类样本特征之间的第二余弦角度；
将所述第一余弦角度、所述第二余弦角度代入预设损失函数，计算得到损失值；
根据所述损失值进行特征提取层的后向传播和参数更新，直至训练完成，得到训练好的特征提取层；
利用所述训练好的特征提取层和所述训练样本数据对所述分类器进行训练，得到训练好的分类器；其中，所述手势识别模型包括所述训练好的特征提取层和所述训练好的分类器。
5.如权利要求4所述的手势识别方法，其特征在于，所述根据所述损失值进行特征提取层的后向传播和参数更新，直至训练完成，得到训练好的特征提取层的步骤包括：
根据所述损失值进行所述特征提取层的后向传播和参数更新，直至达到预设训练停止条件时，得到初步训练好的特征提取层；
对所述训练样本数据进行困难样本挖掘，基于挖掘得到的困难样本对所述初步训练好的特征提取层进行再次训练，得到训练好的特征提取层。
6.如权利要求1所述的手势识别方法，其特征在于，所述获取待识别手势图像的步骤包括：
获取实时图像，通过预先训练好的手势唤醒模型检测所述实时图像中是否存在用户区域；
若所述实时图像中存在用户区域，则对所述实时图像中的用...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。