公开(公告)号：CN107808376A

公开(公告)日：2018-03-16

申请号：CN201711044722.7

申请日：2017-10-31

Applicant: 上海交通大学

Inventor： 林娇娇 ,  姜飞 ,  申瑞民

IPC: G06T7/00 ,  G06T7/254 ,  G06K9/00 ,  G06K9/62

CPC classification number: G06T7/0002 ,  G06K9/00744 ,  G06K9/00771 ,  G06K9/6218 ,  G06K9/6276 ,  G06T7/254 ,  G06T2207/10016 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30232 ,  G06T2207/30242

Abstract: 本发明涉及一种基于深度学习的举手检测方法，包括以下步骤：1)收集样本，所述样本为复杂环境样本；2)建立举手检测模型，该举手检测模型基于卷积神经网络结构，并基于所述样本以R-FCN目标检测算法进行训练；3)利用训练后的举手检测模型对待测视频进行举手检测，获得举手框位置。与现有技术相比，本发明具有能够检测复杂环境中的举手动作、准确率检全率高等优点。

公开(公告)号：CN107808376B

公开(公告)日：2022-03-11

申请号：CN201711044722.7

申请日：2017-10-31

Applicant: 上海交通大学

Inventor： 林娇娇 ,  姜飞 ,  申瑞民

IPC: G06T7/00 ,  G06T7/254 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于深度学习的举手检测方法，包括以下步骤：1)收集样本，所述样本为复杂环境样本；2)建立举手检测模型，该举手检测模型基于卷积神经网络结构，并基于所述样本以R‑FCN目标检测算法进行训练；3)利用训练后的举手检测模型对待测视频进行举手检测，获得举手框位置。与现有技术相比，本发明具有能够检测复杂环境中的举手动作、准确率检全率高等优点。