激光雷达人体手势识别方法、电子设备、存储介质技术

本发明专利技术涉及一种激光雷达人体手势识别方法、电子设备、存储介质。所述方法包括：利用激光雷达采集操作者工作状态下的深度图像，所述深度图像为去除工作场所背景的激光图像；将所述深度图像送入训练好的神经网络进行人体手势识别，检测并输出识别结果。本发明专利技术通过对激光雷达图像去背景处理，抑制固定背景目标图像干扰，提高机车人员手势目标的图像对比度和图像质量，避免了因机车内部复杂环境或不同机型差异对手势目标激光图像质量和检测识别性能的影响，具有背景环境适应性强，识别率高、适应性好的优点。性好的优点。性好的优点。

【技术实现步骤摘要】
激光雷达人体手势识别方法、电子设备、存储介质


[0001]本专利技术属于手势识别领域，特别涉及基于图像对消预处理的激光雷达人体手势识别方法、电子设备、计算机可读存储介质。

技术介绍

[0002]铁路机车驾驶员因工作强度大、安全要求高，在机车驾驶过程中要求铁路机车驾驶员采用多种手势动作辅助驾驶，规范的手势动作是反映驾驶员专注度和确保机车行驶安全的重要保障，错误的手势动作能够反映出驾驶员驾驶状态欠佳，极易发生安全事故。为此，需要有效的技术手段对铁路机车驾驶员驾驶手势进行实时识别、监测和规范度判定。
[0003]目前，激光雷达图像人体手势识别是一种重要的实现技术，具有对机车内温度、光照变化不敏感等优点。但是激光雷达图像手势识别时，机车内部的多样化固定背景对手势图像对比度和清晰度等带来较大影响，对手势识别的准确率有较大影响。

技术实现思路

[0004]针对现有激光雷达手势识别技术中的不足之处，本专利技术目的在于提供一种激光雷达人体手势识别方法，用以在多样化机车驾驶环境下进行驾驶员手势自动检测、识别及手势规范度评价，提高手势识别算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光雷达人体手势识别方法，其特征在于，包括以下步骤：利用激光雷达采集操作者工作状态下的深度图像，所述深度图像为去除工作场所背景的激光图像；将所述深度图像送入训练好的神经网络进行人体手势识别，检测并输出识别结果。2.如权利要求1所述的方法，其特征在于，所述深度图像的获取方法包括：基于同一激光雷达，分别采集操作者工作场所的纯背景图像、操作者工作状态下的实时图像，实时图像与纯背景图像的像素相同；将实时图像与纯背景图像进行对消以获得所述深度图像。3.如权利要求2所述的方法，其特征在于：所述实时图像具有n帧，n为大于零的正整数，对对消前的每一帧实时图像做归一化处理。4.如权利要求3所述的方法，其特征在于：对对消后的每一帧深度图像再做归一化处理。5.如权利要求2或4所述的方法，其特征在于：将深度图像送入神经网络进行识别的方法包括：以对消前的实时图像及对消后的深度图像为神经网络模型输入数据，以人体手势识别结果为模型输出数据。6.如权利要求5所述的方法，其特征在于，所述神经网络的训练方法包括：所述神经网络模型为卷积神经网络；对对消前的实时深度图像集G以及对消后的深度图像样本集G
C
，按手势类型进行标签；以样本集G
C
和G图像数据为神经网络模型输入数据，以标签作为模型输出数据，训练神经网络模型参数。7.如权利要求6所述的方法，其特征在于，所述卷积神经网络包含9层结构，分别为：第1层，卷积层，卷积核尺寸为5
×5×
1，该层共包含6种卷积核，卷积核步进尺寸为1；第2层，池化层，池化核...

【专利技术属性】
技术研发人员：石绍应，李冠章，唐少林，吴杰伟，冯勤群，王亮，周志伟，周立和，吴尚鸿，蒋贤烨，杨杰，
申请(专利权)人：湖南森鹰智造科技有限公司，
类型：发明
国别省市：