一种手势识别方法、装置、设备及存储介质制造方法及图纸

本申请实施例涉及残疾人通信或教学演示技术领域，特别涉及一种手势识别方法、装置、设备及存储介质。本申请首先在分数阶梯度下降算法中的分数阶梯度表达式中加入一阶动量，将整数阶梯度下降中的动量思想应用到分数阶梯度下降中，得到了通过带有动量信息的分数阶梯度下降算法；然后通过带有动量信息的分数阶梯度下降算法对手势识别模型的训练过程进行优化，能够提高模型训练的稳定性，构建更可靠稳定的手势识别模型，通过该手势识别模型对手势图像进行手势识别，能够提高手势识别的效率和准确度。度。度。

【技术实现步骤摘要】
一种手势识别方法、装置、设备及存储介质


[0001]本申请实施例涉及残疾人通信或教学演示
，尤其涉及一种手势识别方法、装置、设备及存储介质。

技术介绍

[0002]由于先天残疾或者后天各种灾难和疾病造成的听力残障人士在逐年增加，这类人群与人交流时，大多需要通过手势进行交流，对于这类人群，初学手势往往比正常人群更为困难，因此为这类人群提供手势识别辅助，帮助他们进行更好的交流显得非常必要，而对于手势识别辅助，提高手势识别的速度和精度是本研究方向的重点。
[0003]自20世纪末，国外就开始了基于手势识别的研究，主要分为基于外部设备的手势识别和基于计算机视觉的手势识别。相较于基于外部设备的手势识别方式，基于计算机视觉的手势识别方式更为方便灵活、降低了设备成本。
[0004]在基于计算机视觉的手势识别领域中，通常使用梯度下降法来多次迭代训练神经网络，但由于学习率决定优化器的可靠程度和风险度，学习率设置不当将导致容易陷入局部最优解、训练时间增长和训练速度降低的缺陷；另外，梯度下降法的每次迭代都需要遍历所有样本，一旦落入鞍点，梯度为零本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手势识别方法，其特征在于，所述手势识别方法包括：获取手势图像；将所述手势图像输入至预设的手势识别模型中进行手势识别，得到所述手势识别模型输出的手势识别结果；其中，通过带有动量信息的分数阶梯度下降算法对所述手势识别模型的训练过程进行优化，通过如下方式得到所述带有动量信息的分数阶梯度下降算法：获取分数阶梯度下降算法的分数阶梯度表达式，并在所述分数阶梯度下降算法中的所述分数阶梯度表达式中加入一阶动量，得到所述带有动量信息的分数阶梯度下降算法；其中，所述一阶动量是各个时刻梯度方向的平均值。2.根据权利要求1所述的手势识别方法，其特征在于，所述通过带有动量信息的分数阶梯度下降算法对所述手势识别模型的训练过程进行优化，包括：在所述手势识别模型的训练过程中，通过带有动量信息的分数阶梯度下降算法更新所述手势识别模型的损失函数。3.根据权利要求2所述的手势识别方法，其特征在于，所述获取分数阶梯度下降算法的分数阶梯度表达式，包括：根据分数阶微分方程定义得到所述分数阶梯度表达式。4.根据权利要求3所述的手势识别方法，其特征在于，所述分数阶梯度表达式包括：其中，ω表示待优化参数，μ表示学习率，k表示迭代次数，α表示分数阶的阶数，Γ()表示Gamma函数。5.根据权利要求2所述的手势识别方法，其特征在于，在所述分数阶梯度表达式中加入一阶动量，得到动量分数阶梯度表达式，所述动量分数阶梯度表达式包括：一阶动量，得到动量分数阶梯度表达式，所述动量分数阶梯度表达式包括：其中，ω表示待优化参数，μ表示学习率，k表示迭代次数，α表示分数阶的阶数，m
k

【专利技术属性】
技术研发人员：阎石，赵东东，孙卫国，孙万胜，张国华，
申请(专利权)人：兰州大学，
类型：发明
国别省市：