识别动态手势的方法技术

本发明专利技术提供了一种识别动态手势的方法，能够提高动态手势识别的正确率和泛化能力。一种识别动态手势的方法，包括以下步骤：人工神经网络模型的构造：人工神经网络模型的训练；使用训练好的神经网络模型识别用户动态手势。用TensorFlow、PyTorch、MXNet或其它任何框架构造人工神经网络，人工神经网络模型包括长短时记忆网络、全连接网络和输出层，其中，长短时记忆网络包含若干长短时记忆层，全连接网络包含若干全连接层和Dropout层。若干全连接层和Dropout层。若干全连接层和Dropout层。

【技术实现步骤摘要】
识别动态手势的方法


[0001]本专利技术涉及一种识别动态手势的方法，适用场景包括：使用动态手势遥控电视，使用动态手势操作电脑等等，属于信息


技术介绍

[0002]动态手势是指由一系列手势组成的动作序列，这个序列具有时间上的连续性。电子设备可以通过摄像头等图像采集装置，将动态手势作为图像序列或视频进行采集。手势是人类在日常生活中常用的交流手段，将手势用于人机交流，可以大大提高人机交流的方便性，提升用户体验。
[0003]过去，动态手势识别方法大多基于经典的HMM模型，或者结合卷积网络和LSTM。

技术实现思路

[0004]本专利技术目的是提供了一种识别动态手势的方法，能够提高动态手势识别的正确率和泛化能力。
[0005]本专利技术为实现上述目的，通过以下技术方案实现：一种识别动态手势的方法，包括以下步骤：S1.人工神经网络模型的构造：S2. 人工神经网络模型的训练；S3. 使用训练好的神经网络模型识别用户动态手势。
[0006]上述识别动态手势的方法基础上，其特征在于：用TensorFlow、P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别动态手势的方法，其特征在于，包括以下步骤：S1.人工神经网络模型的构造：S2. 人工神经网络模型的训练；S3. 使用训练好的神经网络模型识别用户动态手势。2.根据权利要求1所述识别动态手势的方法，其特征在于：用TensorFlow、PyTorch、MXNet或其它任何框架构造人工神经网络，人工神经网络模型包括长短时记忆网络、全连接网络和输出层，其中，长短时记忆网络包含若干长短时记忆层，全连接网络包含若干全连接层和Dropout层。3.根据权利要求1所述识别动态手势的方法，其特征在于：人工神经网络模型的训练过程：1)动态手势数据集包含N个样本，每个样本都是一个时长为t秒、长度为f帧的包含动态手势的图像序列或视频；2) 动态手势数据集存储在外存储器上;3)样本首先经过手关键点识别框架的处理，变成关键点坐标;4)经过特征工程模块的处理，变成形状为f*m*2的特征张量;5) 特征张量再输入至神经网络模块，优化器根据特征张量优化神经网络的参数，达到训练的目的;6)经过多次迭代，得到训练好的神经网络模型。4.根据权利要求1所述识别动态手势的方法，其特征在于：使用训练好的神经网络模型识别用户动态手势的过程：1）摄像头采集用户手势的图像序...

【专利技术属性】
技术研发人员：杨唤晨，徐杰，张宇，韩继泽，
申请(专利权)人：山东云缦智能科技有限公司，
类型：发明
国别省市：