【技术实现步骤摘要】
基于动态融合机制的手势图像特征提取方法
本专利技术涉及一种手势图像特征提取方法，具体涉及了一种基于动态融合机制的手势图像特征提取方法。
技术介绍
手势特征提取主要应用于人机交互以及模式识别等领域，已成为当今时代人机交互的研究热点之一。但如何在现实应用中对复杂背景中的多样化手势进行精确的特征提取成为了一大难点。目前手势特征提取方法主要分为基于机器视觉的手势特征提取方法以及基于深度学习的手势特征提取方法两大类。基于机器视觉的手势特征提取方法主要是通过图像检测、图像处理、图像分割等方法处理图像并检测肤色区域从而实现对手势部分的分割，再通过一系列的特征算法提取图像特征。基于轮廓信息的特征提取方法通过从图像中提取出目标物体光滑连续的轮廓等方式将手势区域分割出来，进而获得手势轮廓特征；基于肤色分割的手势特征提取方法通过构建肤色模型来排除非肤色目标的干扰，将手势部分从背景中分割出来，从而获得手势的轮廓特征。基于多特征融合的手势特征提取方法则是提取梯度直方图(HOG)和局部二值模式(LBP)等特征，并进行融合，进而得到更加全...
【技术保护点】
1.一种基于动态融合机制的手势图像特征提取方法，其特征在于：包括如下步骤：/n1)对原始手势图像进行尺寸归一化处理，获得手势图像；/n2)将手势图像输入到预训练的Xception-Net卷积神经网络，预训练的Xception-Net卷积神经网络提取手势图像的特征信息并输出原始特征向量；/n3)将原始特征向量输入空间特征动态融合机制结构，空间特征动态融合机制结构输出动态融合后的手势图像特征向量；/n4)原始特征向量和动态融合后的手势图像特征向量输入到SE-Net结构(Squeeze-and-Exciation Networks)中，获得重标定后的特征向量，将重标定后的特征向量...
【技术特征摘要】
1.一种基于动态融合机制的手势图像特征提取方法，其特征在于：包括如下步骤：
1)对原始手势图像进行尺寸归一化处理，获得手势图像；
2)将手势图像输入到预训练的Xception-Net卷积神经网络，预训练的Xception-Net卷积神经网络提取手势图像的特征信息并输出原始特征向量；
3)将原始特征向量输入空间特征动态融合机制结构，空间特征动态融合机制结构输出动态融合后的手势图像特征向量；
4)原始特征向量和动态融合后的手势图像特征向量输入到SE-Net结构(Squeeze-and-ExciationNetworks)中，获得重标定后的特征向量，将重标定后的特征向量输入到Softmax分类器进行分类，获得手势图像的分类结果。
2.根据权利要求1所述的一种基于动态融合机制的手势图像特征提取方法，其特征在于：所述步骤2)具体为：
Xception-Net卷积神经网络主要由深度可分离卷积结构和除深度可分离卷积结构以外的模块组成，深度可分离卷积结构包括Depthwise卷积模块和Pointwise卷积模块，手势图像经过除深度可分离卷积结构以外的模块后输出中间手势图像，中间手势图像中存在多个特征通道，将每个特征通道单独输入Depthwise卷积模块中，Depthwise卷积模块提取每个特征通道中的空间特征，提取的每个特征通道中的空间特征输入到Pointwise卷积模块中，Pointwise卷积模块提取空间特征中的通道信息后获得通道特征并将空间特征和通道特征进行卷积，卷积后获得一个包含手势图像特征信息的原始特征向量。
3.根据权利要求1所述的一种基于动态融合机制的手势图像特征提取方法，其特征在于：所述步骤3)具体为：
空间特征动态融合机制结构包括下采样模块(Down-sampling)、第一特征压缩模块(Compress)、特征权重提取模块(Extract)、上采样模块(Up-sampling)和权重相乘层；原始特征向量输入下采样模块，下采样模块依次经第一特征压缩模块、特征权重提取模块后与上采样模块相连，上采样模块的输出与原始特征向量同时输入权重相乘...
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。