手势识别方法及电动卫生罩启闭控制系统技术方案

本发明专利技术公开了一种手势识别方法及电动卫生罩启闭控制系统，属于手势识别和电动卫生罩技术领域。手势识别方法包括获取用于手势识别的算法模型，获取需要识别的手势图像，将手势图像输入算法模型中，手势图像顺次经过特征挖掘模块和分类器后，分类器输出得到分类结果等步骤。其中，特征挖掘模块中设有第一卷积组件、第一融制机构、第二卷积组件、第二融制机构和第三融制机构。本发明专利技术在电动卫生罩旁边安装图像采集设备，将图像输入算法模型进行识别，实现了无接触控制电动卫生罩，有效避免了用户之间间接肢体接触。算法模型无需经过目标检测和图像分割就能直接对手势图像进行准确识别，计算量小、硬件性能要求低、实时性好。实时性好。实时性好。

【技术实现步骤摘要】
手势识别方法及电动卫生罩启闭控制系统


[0001]本专利技术属于手势识别和电动卫生罩
，具体地说，涉及一种手势识别方法及电动卫生罩启闭控制系统。

技术介绍

[0002]如图1所示，现有技术中，为了增强对食品的卫生防护，在食品盛放装置上方设置了电动卫生罩，没有用户取餐时，卫生罩处于关闭状态。当用户需要取餐时，按动相应的按钮，卫生罩在电机的带动下开启。取餐完成后，再次按动按钮，控制卫生罩关闭。但是，对于这种开闭方式，不同用户之间仍然存在间接肢体接触，病毒可能通过控制按钮传播，现有的电动卫生罩设计有待于进一步改进。

技术实现思路

[0003]针对现有技术中上述的不足，本专利技术提供一种手势识别方法及电动卫生罩启闭控制系统，通过手势控制电动卫生罩开闭，有效避免了通过按钮间接肢体接触，进一步提升了安全性。
[0004]为了达到上述目的，本专利技术采用的解决方案是：一种手势识别方法，包括以下步骤：S100、获取用于手势识别的算法模型；所述算法模型已经预先完成训练，所述算法模型中设有特征挖掘模块和分类器，所述特征挖掘模块用于挖掘获取图像的特征信息；S200、获取需要识别的手势图像；S300、将所述手势图像输入所述算法模型中，所述手势图像顺次经过所述特征挖掘模块和所述分类器后，所述分类器输出得到分类结果，完成手势识别；其中，所述特征挖掘模块中设有第一卷积组件、第一融制机构、第二卷积组件、第二融制机构和第三融制机构；所述第一卷积组件包括多个并联设置的前置卷积单体，所述第二卷积组件包括多个并联设置的后置卷积单体，所述前置卷积单体和所述后置卷积单体均包括顺次连接的卷积层和激活层，所述特征挖掘模块的计算操作过程为：T1、输入所述特征挖掘模块的特征图分别经过各个所述前置卷积单体，然后利用所述第一融制机构将各个所述前置卷积单体输出的特征图融合，得到第一融制特征图；T2、所述第一融制特征图分别经过各个所述后置卷积单体，然后利用所述第二融制机构将各个所述前置卷积单体输出的特征图、所述第一融制特征图和各个所述后置卷积单体输出的特征图一起融合，得到第二融制特征图；T3、对所述第二融制特征图进行下采样，以减小所述第二融制特征图宽度和高度方向的尺寸，得到芯级特征图；T4、分别对各个所述后置卷积单体输出的特征图进行下采样，以减小各个后置卷积单体输出特征图宽度和高度方向的尺寸，得到对应的多个边级特征图；T5、将所述芯级特征图和所有边级特征图输入所述第三融制机构，利用所述第三
融制机构将所述芯级特征图和多个边级特征图融合，生成得到层级特征图。
[0005]进一步地，所述第一卷积组件中各个卷积层的卷积核大小各不相同，所述第二卷积组件中各个卷积层的卷积核大小也各不相同。
[0006]进一步地，所述特征挖掘模块为多个，多个所述特征挖掘模块首尾顺次连接，最后一个所述特征挖掘模块与所述分类器之间还设有全局平均池化层和全连接层。
[0007]进一步地，所述第一融制机构与所述第三融制机构内部操作过程相同，所述第一融制机构和所述第三融制机构内部均包括依次设置的拼接操作层、变维卷积层和融合激活层。
[0008]进一步地，所述第二融制机构内部操作过程表示为如下数学模型：其中，LP代表所述第一融制特征图，TV1、TV1、
…
、TVn分别表示各个所述前置卷积单体输出的特征图，
×
表示元素对应乘积，PM1表示将第一融制特征图与所有前置卷积单体输出的特征图相加后生成的特征图，PM2表示将第一融制特征图与所有前置卷积单体输出的特征图做元素对应乘积后生成的特征图，SV1、SV1、
…
、SVn分别表示各个所述后置卷积单体输出的特征图，< >表示对其中的特征图做拼接操作，ζs表示卷积运算，δs表示非线性激活函数，PM3表示所述第二融制机构输出的第二融制特征图。
[0009]进一步地，所述特征挖掘模块中设有注意力机制，所述注意力机制以所述第二融制特征图作为输入，然后生成并输出校准图，各个所述边级特征图先分别与所述校准图做元素对应乘积，然后再输入所述第三融制机构。
[0010]进一步地，所述注意力机制内部操作过程的数学模型为；其中，PM3表示所述第二融制特征图，Cm表示做全局最大池化操作，Ce表示做全局中值池化操作，Ca表示做全局平均池化操作，Cm、Ce和Ca对特征图的操作方向均为通道方向，< >表示对其中的特征图做拼接操作，ζa表示注意力卷积运算，δa表示注意力激活函数，AR表示所述注意力机制输出的校准图。
[0011]本专利技术还提供了一种电动卫生罩启闭控制系统，包括处理器和存储器，所述存储器储存有计算机程序，所述处理器通过加载所述计算机程序，用于执行如上所述的手势识别方法。
[0012]进一步地，电动卫生罩气闭控制系统还包括图像采集设备，所述图像采集设备与所述处理器电连接，所述图像采集设备用于采集获取需要识别的手势图像。
[0013]本专利技术的有益效果是：（1）本专利技术在电动卫生罩旁边安装图像采集设备（如摄像头），当距离传感器检测到有物体（正常使用场景下通常为用户手部）进入设定的区域后，图像采集设备拍摄获取设定区域的图像，然后将图像输入算法模型进行识别，实现了无接触控制电动卫生罩，有效避免了用户之间间接肢体接触，进一步提高用餐过程中的卫生性和安全性；（2）采用多尺度的特征提取结构往往能更加有效地提取特征信息，但是，当输入信
息中包含大量噪音时，如何有效整合和过滤信息显得更加重要；本专利技术针对输入图像存在复杂背景的特点，结合手势识别的目标，设计了特征挖掘模块，通过第二融制机构将前方多尺度特征提取结构中多层次特征信息融合并过滤掉干扰信息，算法模型无需经过目标检测和图像分割就能直接对手势图像进行准确识别，计算量小、硬件性能要求低、实时性好；（3）为了避免融合并过滤特征信息后出现信息流断层，同时也为了使模型泛化能力更强，特征挖掘模块中，还直接对各个后置卷积单体输出的特征图进行下采样，得到对应的多个边级特征图，然后利用第三融制机构将芯级特征图和多个边级特征图融合；但在一些场景中实验发现，直接对后置卷积单体输出的特征图下采样，会将部分噪音引到特征挖掘模块输出端，影响识别精度，因此，本专利技术创造性地利用第二融制机构输出的特征图作为注意力机制的输入，通过第二融制机构配合注意力机制来抑制噪音，实现了在连续的特征流中有效地筛除噪音，模型抗干扰能力和泛化能力都很好；（4）针对算法模型中信息流特征和手势识别的目标，专利技术人创造性地设计了注意力机制内部结构，以相对简单的运算逻辑实现了对特征信息的高效校准。
附图说明
[0014]图1为电动卫生罩结构示意图；图2为实施例1的算法模型整体结构示意图；图3为实施例1的特征挖掘模块内部结构示意图；图4为实施例1的第二融制机构内部结构示意图；图5为实施例1的注意力机制内部结构示意图；图6为对比例1的第二融制机构内部结构示意图；图7为对比例2的特征挖掘模块内部结构示意图；附图中：1
‑
...

【技术保护点】

【技术特征摘要】
1.一种手势识别方法，其特征是：包括以下步骤：S100、获取用于手势识别的算法模型；所述算法模型已经预先完成训练，所述算法模型中设有特征挖掘模块和分类器，所述特征挖掘模块用于挖掘获取图像的特征信息；S200、获取需要识别的手势图像；S300、将所述手势图像输入所述算法模型中，所述手势图像顺次经过所述特征挖掘模块和所述分类器后，所述分类器输出得到分类结果，完成手势识别；其中，所述特征挖掘模块中设有第一卷积组件、第一融制机构、第二卷积组件、第二融制机构和第三融制机构；所述第一卷积组件包括多个并联设置的前置卷积单体，所述第二卷积组件包括多个并联设置的后置卷积单体，所述前置卷积单体和所述后置卷积单体均包括顺次连接的卷积层和激活层，所述特征挖掘模块的计算操作过程为：T1、输入所述特征挖掘模块的特征图分别经过各个所述前置卷积单体，然后利用所述第一融制机构将各个所述前置卷积单体输出的特征图融合，得到第一融制特征图；T2、所述第一融制特征图分别经过各个所述后置卷积单体，然后利用所述第二融制机构将各个所述前置卷积单体输出的特征图、所述第一融制特征图和各个所述后置卷积单体输出的特征图一起融合，得到第二融制特征图；T3、对所述第二融制特征图进行下采样，以减小所述第二融制特征图宽度和高度方向的尺寸，得到芯级特征图；T4、分别对各个所述后置卷积单体输出的特征图进行下采样，以减小各个后置卷积单体输出特征图宽度和高度方向的尺寸，得到对应的多个边级特征图；T5、将所述芯级特征图和所有边级特征图输入所述第三融制机构，利用所述第三融制机构将所述芯级特征图和多个边级特征图融合，生成得到层级特征图。2.根据权利要求1所述的手势识别方法，其特征是：所述第一卷积组件中各个卷积层的卷积核大小各不相同，所述第二卷积组件中各个卷积层的卷积核大小也各不相同。3.根据权利要求1所述的手势识别方法，其特征是：所述特征挖掘模块为多个，多个所述特征挖掘模块首尾顺次连接，最后一个所述特征挖掘模块与所述分类器之间还设有全局平均池化层和全连接层。4.根据权利要求1所述的手势识别方法，其特征是：所述第一融制机构与所述第三融制机...

【专利技术属性】
技术研发人员：何厚明，王竞，王恩源，
申请(专利权)人：广州蚁窝智能科技有限公司，
类型：发明
国别省市：