基于LSTM训练模型的手势识别方法和系统技术方案

本申请涉及一种基于LSTM训练模型的手势识别方法和系统，首先通过逐帧获取待识别手势动作的网格数据，在进行预处理后将其转化为对应的点云数据。随后，对点云数据进行逐帧聚类，得到各聚类中心，形成点云轨迹。最后，将点云轨迹输入训练好的LSTM训练模型，该模型包括注意力机制单元，以获得手势识别结果。通过引入LSTM单元和注意力机制单元，有效地捕捉了手势动作的时序信息和关键特征，提高了对手势的准确性和鲁棒性。逐帧聚类和点云轨迹的处理使得在实际人机交互场景下能够更好地识别手势动作，增强了系统的实时性和交互性。

【技术实现步骤摘要】

本申请涉及人机交互，特别是涉及一种基于lstm训练模型的手势识别方法和系统。

技术介绍

1、基于手势交互的新兴技术可以让交互者摆脱对传统输入设备的依赖，是一种可以面向更多场合且更加便捷的交互方式。一些传统的手势识别技术需要借助于一些固定的穿戴设备，比如集成多种传感器的手套，来提取手势的特征信息，但是其存在穿戴不便、成本昂贵等问题，使得人机交互功能只能在某些特定场合使用。

2、随着计算机视觉研究领域的发展和计算机摄像头设备的普及，基于视觉的手势识别方法逐渐成为研究的重点，在成本相对较低的视觉传感器基础上，探索高效、实时和准确率高的手势识别方法十分必要，对于降低手势识别系统的成本、增加识别的准确率、促进手势识别技术的应用和普及具有重要意义。

3、然而，传统的手势识别方法存在识别准确度低和鲁棒性差的技术问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于lstm训练模型的手势识别方法和一种基于lstm训练模型的手势识别系统。

2、为了实现上述目的，本专利技术实施本文档来自技高网...

【技术保护点】

1.一种基于LSTM训练模型的手势识别方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于LSTM训练模型的手势识别方法，其特征在于，在获得所述点云轨迹的过程中，引入记忆机制辅助所述点云轨迹的连贯。

3.根据权利要求2所述的基于LSTM训练模型的手势识别方法，其特征在于，利用在HoloLens2上部署的MRTK空间感知系统逐帧获取待识别手势动作的所述网格数据。

4.根据权利要求1所述的基于LSTM训练模型的手势识别方法，其特征在于，所述LSTM训练模型的训练过程，包括：

5.根据权利要求2所述的基于LSTM训练模型的手势识别方法，其特...

【技术特征摘要】

1.一种基于lstm训练模型的手势识别方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于lstm训练模型的手势识别方法，其特征在于，在获得所述点云轨迹的过程中，引入记忆机制辅助所述点云轨迹的连贯。

3.根据权利要求2所述的基于lstm训练模型的手势识别方法，其特征在于，利用在hololens2上部署的mrtk空间感知系统逐帧获取待识别手势动作的所述网格数据。

4.根据权利要求1所述的基于lstm训练模型的手势识别方法，其特征在于，所述lstm训练模型的训练过程，包括：

5.根据权利要求2所述的基于lstm训练模型的手势识别方法，其特征在于，所述点云数据的坐标原点及采集片段时间长度相同。

6....

【专利技术属性】
技术研发人员：彭勇，尹全军，秦龙，曾俊杰，黄鹤松，许凯，胡越，李蔚清，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：