一种基于深度学习的手势识别系统技术方案

一种基于深度学习的手势识别系统，所述手势识别系统包括三个模块，手掌识别模块、手部节点识别模块和手势识别模块，其中，手掌识别模块采用了BlazePalm模型，用于识别手的整体框架和方向，手部节点识别模块采用了Landmark模型，用于识别立体手部节点；手势识别模块采用了手势识别模型，用于将识别到的节点分类成一系列手势。单目摄像头图像输入，硬件简单，输入设备少，功耗低。深度学习算法，从二维图像提取手部骨骼关键点的3D坐标。从手势到动作的识别部分，直接用深度学习建模序列数据。直接用深度学习建模序列数据。直接用深度学习建模序列数据。

【技术实现步骤摘要】
一种基于深度学习的手势识别系统


[0001]本专利技术虚拟增强现实的
，涉及一种用于AR眼镜的手势识别系统，该系统的基于深度学习算法进行手势识别。

技术介绍

[0002]手势识别对于我们来说并不陌生，手势识别技术很早就有，目前也在逐渐成熟，现在大部分消费类应用都在试图增加这一识别功能，无论是智能家居，智能可穿戴以及VR等应用领域，增加了手势识别控制功能，必能成为该应用产品的一大卖点。手势识别可以带来很多的好处，功能炫酷，操作方便，在很多应用场合都起到了良好的助力功能。
[0003]已有方案，有的是用双目摄像头作为输入，有的是RGB+TOF作为算法输入。他们的输出都是实现简单的手部位置跟踪，最多实现简单的手势识别。双目摄像头作为输入，或者RGB+TOF作为算法输入，功耗比较大，发热量大，运行一段时间需要停机等待自然降温散热。现有的技术只支持简单手部位置的跟踪，和简单手势的识别。不能实时实现动作的识别。这样不符合人的交互习惯，交互体验比较差。
[0004]目前现阶段手势识别的研究方向主要分为：基于穿戴设备的手势识别和基于视觉方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的手势识别系统，其特征在于：所述手势识别系统包括三个模块，手掌识别模块、手部节点识别模块和手势识别模块，其中，手掌识别模块采用了BlazePalm模型，用于识别手的整体框架和方向，手部节点识别模块采用了Landmark模型，用于识别立体手部节点；手势识别模块采用了手势识别模型，用于将识别到的节点分类成一系列手势。2.基于深度学习的手势识别系统，其特征在于：所述BlazePalm模型是一个可识别单帧图像的模型，为Landmark模型提供准确剪裁的手掌图像，在经过训练后手掌识别准确率可达95.7％，BlazePalm可识别多种不同手掌大小，还能识别手部遮挡，并且能通过对手臂、躯干或个人特征等的识别来准确定位手部。3.基于深度学习的手势识别系统，其特征在于：所述Landmark模型，则是在BlazePalm基础上识别到的21个立体节点坐标，这些...

【专利技术属性】
技术研发人员：朵海云，郑科汉，祁焕祥，
申请(专利权)人：麦耘陕西科技发展有限公司，
类型：发明
国别省市：