【技术实现步骤摘要】
一种基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法
[0001]本专利技术涉及目标检测和识别领域,特别是一种基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法。
技术介绍
[0002]在过去几十年中,计算机技术的飞速发展,让人们己经与计算机密不可分,其中,人与计算机的信息交互是必不可缺的一步。人机交互最常见模式是依赖于简单的机械装置,即键盘和鼠标,其他的还有诸如触摸屏等。尽管交互方式广泛存在于人们的日常生活中并被熟练使用,其中一种主流趋势就是手势识别技术,是更符合人类习惯的人机交互方式。手势识别已在AR、人机交互、手势操控、辅助驾驶、手语认知、机器控制等领域广泛应用,其中基于视觉的手势识别、基于数据手套的手势识别、基于特殊标记的手势识别、基于加速度传感器的手势识别也在日益趋于完善;另外手势识别也可以应用于监狱服刑人员的行为实时监测,实现监狱服刑人员危险行为的预测和预警。手势是一种人类行为的基本特征,是人际交往过程中不可缺少的一部分。手势识别技术的发展,为人与机器或其他设备的交互提供了可能。根据手势在时间和空间上的差异,手势可分为静态手势和动态手势,对静态手势的研究主要考虑手势的位置信息,而研究动态手势除了要考虑手势空间位置变化,还需要考虑手势在时序中的变化规律。目前在手势交互领域存在由于手势特征不敏感,导致识别效率和精度较低的问题。
技术实现思路
[0003]针对上述现有技术存在的问题,本专利技术提供了一种基于CBC分类器的A ...
【技术保护点】
【技术特征摘要】
1.一种基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法,其特征在于,包括:S1:基于制作的手势图像数据集和标签,训练得到YOLOv5网络模型;S2:在YOLOv5网络模型中添加CBMA模块,使得重要目标特征占有更大处理比重,并训练得到Attention
‑
YOLOv5网络模型;S3:建立基于R
‑
vine Copula改进的CBC分类器,CBC分类器接于YOLOv5的输出端;S4:获取待识别手势图像,并基于YOLOv5网络模型和改进的CBC分类器检测识别,输出结果。2.根据权利要求1所述的基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法,其特征在于,所述的步骤S1,包括:对手势图像数据集中的若干手势图片的进行数据集特征划分与标注;将得到的手势特征图片与标注好的标签,分别置于待训练网络的imgs和labels模块下;利用标注的手势图片训练得到YOLOv5网络模型。3.根据权利要求1所述的基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法,其特征在于,所述的步骤S1还包括:测试训练的YOLOv5网络模型,若合格则继续。4.根据权利要求1所述的基于CBC分类器的Attention
‑
YOLOv5网络手势识别方法,其特征在于,所述的步骤S2,包括:对于YOLOv5网络模型,修改yolov5s.yaml,将Backbone的C3模块修改为添加注意力机制后的CBAMC3模块,参数不变;在common.py中添加CBAMC3模块;修改yolo.py,添加额外的判断语句;在训练时调用修改后的yolov5s.yaml,用于验证注意力机制在YOLOv5网络模型上的有效性。5.根据权利要求1所述的基于CBC分类器的Attention
‑
...
【专利技术属性】
技术研发人员:袁帅,吕佳琪,许景科,师金钢,栾方军,
申请(专利权)人:沈阳建筑大学,
类型:发明
国别省市:
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。