一种手势识别检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种手势识别检测方法、装置、设备及存储介质，首先，对特征金字塔进行改进，通过融合两个相邻的低级特征，并将高级特征渐近地纳入到融合过程中。使不相邻层级之间更好的交互，以提取更多有用的信息提高模型对手势特征的感知能力。其次，为有效减小预测框和真实框宽高之间的真实差异，对损失函数进行了改进，在位置回归损失函数中引入了WIoU loss，更加关注普通质量的样本，从而提高网络模型的泛化能力和整体性能。再次，对其进行轻量化改进，加入轻量化网络块到backbone中，最终形成新的YOLOv8‑tiny‑AW网络模型。旨在解决传统手势识别方法的局限性，提高手势检测的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体设计一种手势识别检测方法、装置、设备及存储介质。

技术介绍

1、

2、工业元宇宙综合虚拟现实、人工智能、物联网等新兴技术作用于工业生产体系，通过打通虚拟空间和现实空间之壁垒形成全新的制造与服务体系，强调虚拟世界的相关概念，这也正是强调物理硬件和系统联动的工业互联网所未涉及的领域。而手势作为一种独立于语言的交流方式，利用手势进行操作实现工业元宇宙的部分功能，如在工业设备上引入手势识别技术，改善人机交互界面，使操作更加直观灵活；通过手势交互进行培训，减少实地操作的风险；利用手势识别技术进行远程协作等。手势识别技术的应用呈现出多样化的优势和潜力；现为了提高手势识别的准确性和效率，深度学习技术已成为现市面上一种有力的解决方案，其主要分为单阶段和双阶段的目标检测算法；其中，单阶段算法的计算速度虽然更快了，但其精度略有损失，典型算法有ssd、yolo等；虽然两阶段目标检测算法对特征提取的更加充分，但是，该算法的提取速度相对慢，如fast r-cnn、cornernet等，进而会影响用户获取手势识别的结果。</p>

3、有鉴本文档来自技高网...

【技术保护点】

1.一种手势识别检测方法,其特征在于，包括：

2.根据权利要求1所述的一种手势识别检测方法,其特征在于，获取预设的静态手势handpose_x_gesture_v1数据集，对所述静态手势handpose_x_gesture_v1数据集进行筛选、整理处理，并对筛选后的所述静态手势handpose_x_gesture_v1数据集中的手势图像进行标注，生成神经网络训练数据集，具体为：

3.根据权利要求1所述的一种手势识别检测方法,其特征在于，所述静态手势handpose_x_gesture_v1数据集中的图片为RGB格式。

4.根据权利要求1所述的一种手势识...

【技术特征摘要】

1.一种手势识别检测方法,其特征在于，包括：

2.根据权利要求1所述的一种手势识别检测方法,其特征在于，获取预设的静态手势handpose_x_gesture_v1数据集，对所述静态手势handpose_x_gesture_v1数据集进行筛选、整理处理，并对筛选后的所述静态手势handpose_x_gesture_v1数据集中的手势图像进行标注，生成神经网络训练数据集，具体为：

3.根据权利要求1所述的一种手势识别检测方法,其特征在于，所述静态手势handpose_x_gesture_v1数据集中的图片为rgb格式。

4.根据权利要求1所述的一种手势识别检测方法,其特征在于，构建轻量化、高精度改进后的yolov8-tiny-aw目标检测网络，具体为：

5.根据权利要求4所述的一种手势识别检测方法,其特征在于，调用所述神经网络训练数...

【专利技术属性】
技术研发人员：张仲衡，刘奕清，周林，柯毅东，欧阳崇辉，柯秉宏，
申请(专利权)人：厦门五卓互联网有限公司，
类型：发明
国别省市：