手势识别方法技术

本申请涉及一种手势识别方法

【技术实现步骤摘要】
手势识别方法、装置、计算机设备、存储介质


[0001]本申请涉及图像处理
，特别是涉及一种手势识别方法
、
装置
、
计算机设备
、
存储介质
。

技术介绍

[0002]随着科技的发展，越来越多的智能终端逐渐走进用户的生活，例如，机顶盒
、
电视机
、
电脑
、
手机
、
投影仪等
。
手势识别技术已经普遍应用于各种智能终端中，通过手势能够对智能终端进行控制完成相应的功能操作，可以实现智能终端更为灵活的操作过程，能够有效提升操作过程的简便性
。
传统的手势识别方法中，进行手势识别时，手势识别结果准确性较低
。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高手势识别结果的准确性的手势识别方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0004]第一方面，本申请提供了一种手势识别方法
。
所述方法包括：
[0005]获取待识别图像；
[0006]基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；
[0007]基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；
[0008]识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。<br/>[0009]在其中一个实施例中，所述基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图，包括：
[0010]基于特征提取网络对所述待识别图像进行特征提取，得到初始特征图；
[0011]对所述初始特征图进行全局平均池化，得到所述初始特征图对应的全局特征向量；
[0012]基于全连接层对所述全局特征向量进行处理，得到所述初始特征图中各个通道对应的权重值；
[0013]根据所述权重值和所述初始特征图，得到所述目标特征图
。
[0014]在其中一个实施例中，所述基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框，包括：
[0015]获取所述目标锚框对对应尺度的目标特征图进行预测所得的评分；
[0016]将所述评分最高的目标锚框作为当次识别的候选锚框
。
[0017]在其中一个实施例中，所述方法还包括：
[0018]将所述评分最高的目标锚框作为第一目标锚框，依次计算所述第一目标锚框与每个第二目标锚框之间的交并比；所述第二目标锚框为除第一目标锚框之外的其他目标锚框；
[0019]根据所述交并比，确定所述第二目标锚框的下一次评分
。
[0020]在其中一个实施例中，所述根据所述交并比，确定所述第二目标锚框的下一次评分，包括：
[0021]若所述交并比小于预设比值，将所述交并比对应的第二目标锚框的评分作为所述第二目标锚框的下一次评分；
[0022]若所述交并比不小于预设比值，通过所述交并比对应的第二目标锚框的评分确定所述第二目标锚框的下一次评分；所述第二目标锚框的下一次评分与所述第二目标锚框的评分线性相关
。
[0023]在其中一个实施例中，所述方法还包括：
[0024]在所述目标锚框的最高评分高于预设评分的情况下，将所述评分最高的目标锚框作为当次识别的候选锚框
。
[0025]在其中一个实施例中，所述目标锚框的确定方式，包括：
[0026]获取预设锚框和标注框；
[0027]根据所述标注框确定所述预设锚框的召回率；
[0028]在所述召回率高于召回率阈值的情况下，将所述预设锚框作为备用锚框；
[0029]根据标注框对所述备用锚框进行训练；
[0030]若满足训练收敛条件，获取所述备用锚框与所述标注框之间的偏移量；
[0031]根据所述备用锚框和所述偏移量，确定所述目标锚框
。
[0032]第二方面，本申请还提供了一种手势识别装置
。
所述装置包括：
[0033]图像获取模块，用于获取待识别图像；
[0034]特征提取模块，用于基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；
[0035]锚框确定模块，用于基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；
[0036]特征识别模块，用于识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。
[0037]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0038]获取待识别图像；
[0039]基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；
[0040]基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；
[0041]识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。
[0042]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0043]获取待识别图像；
[0044]基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；
[0045]基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；
[0046]识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。
[0047]第五方面，本申请还提供了一种计算机程序产品
。
所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0048]获取待识别图像；
[0049]基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；
[0050]基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；
[0051]识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。
[0052]上述手势识别方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品，通过获取待识别图像，基于特征提取网络对待识别图像进行特征提取，得到目标特征图，基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框，识别候选锚框中的手势特征，得到待识别图像的手势识别结果
。
本申请基于目标锚框对对应尺度的目标特征图进行预测所得的评分确定候选锚框，从而识别候选锚框中的手势特征，可以得到更加准确的待识别图像的手势识别结果，提高手势识别结果的准确性...

【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，所述方法包括：获取待识别图像；基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图；基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框；识别所述候选锚框中的手势特征，得到所述待识别图像的手势识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述基于特征提取网络对所述待识别图像进行特征提取，得到目标特征图，包括：基于特征提取网络对所述待识别图像进行特征提取，得到初始特征图；对所述初始特征图进行全局平均池化，得到所述初始特征图对应的全局特征向量；基于全连接层对所述全局特征向量进行处理，得到所述初始特征图中各个通道对应的权重值；根据所述权重值和所述初始特征图，得到所述目标特征图
。3.
根据权利要求1所述的方法，其特征在于，所述基于目标锚框对对应尺度的目标特征图进行预测所得的评分，确定候选锚框，包括：获取所述目标锚框对对应尺度的目标特征图进行预测所得的评分；将所述评分最高的目标锚框作为当次识别的候选锚框
。4.
根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述评分最高的目标锚框作为第一目标锚框，依次计算所述第一目标锚框与每个第二目标锚框之间的交并比；所述第二目标锚框为除第一目标锚框之外的其他目标锚框；根据所述交并比，确定所述第二目标锚框的下一次评分
。5.
根据权利要求4所述的方法，其特征在于，所述根据所述交并比，确定所述第二目标锚框的下一次评分，包括：若所述交并比小于预设比值，将所述交并比对应的第二目标锚框的当次评分作为所述第二目标锚框的下一次评分；若所述...

【专利技术属性】
技术研发人员：王豪庆，
申请(专利权)人：峰米北京科技有限公司，
类型：发明
国别省市：