-
公开(公告)号:CN106991386A
公开(公告)日:2017-07-28
申请号:CN201710174418.8
申请日:2017-03-22
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00362 , G06F3/017 , G06K9/46 , G06K9/6256 , G06K2009/00395 , G06N99/005
Abstract: 本发明公开了一种基于深度残差网络的手势识别方法。本发明步骤包括:步骤1.获取手势的原始数据信息,并将其进行N点标记得到2N维的原始标签数据;步骤2.对原始数据信息及2N维的标签数据进行预处理;步骤3、将预处理后的原始数据信息与转化为hdf5格式的2N维的原始标签数据作为原始训练数据,输入到深度残差网络中训练网络参数,得到手势识别模型;步骤4、将待识别手势数据做与步骤1相同的N点标记得到2N维的待识别标签数据;步骤5、对待识别手势数据及2N维的标签数据进行预处理,并将预处理后的手势数据与转化为hdf5格式的2N维的待识别标签数据,输入到上述手势识别模型中进行识别,得到识别结果。本发明有效解决梯度弥散和网络精度问题。
-
公开(公告)号:CN106960036A
公开(公告)日:2017-07-18
申请号:CN201710174434.7
申请日:2017-03-22
Applicant: 杭州电子科技大学
CPC classification number: G06F3/017 , G06F16/5866
Abstract: 本发明公开了一种用于手势识别的数据库建立方法。本发明步骤如下:步骤1、从网络上收集关于单只手的RGB手部图片,构建数据库;步骤2、对数据库中的图片统一尺寸;将原始数据统一到一个标准尺寸N*M,并对每张手部图片进行命名,图片文件名称为“hand+序号”;步骤3、获取数据库中统一尺寸后的手部图片中手的各个节点的坐标数据;步骤4、将步骤2统一尺寸后手部图片和步骤3获取的坐标数据通过转换模块转换成深度学习框架能够直接使用的数据类型。本发明具有较好的适用性和鲁棒性,为手势识别提供了坚实的数据基础,旨在解决手势识别问题,推动人工智能的发展。
-