公开(公告)号：CN106815578A

公开(公告)日：2017-06-09

申请号：CN201710052155.3

申请日：2017-01-23

Applicant: 重庆邮电大学

Inventor： 蔡林沁 ,  崔双杰 ,  虞继敏 ,  刘晓林

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00355 ,  G06K9/6269

Abstract: 本发明涉及一种基于深度运动图‑尺度不变特征变换的手势识别方法，该方法主要包括以下三个部分：在运动数据获取方面，采用Kinect体感技术提供的原始深度图像作为手势识别系统的输入量；在人体手势特征构造方面，采用基于深度运动图‑尺度不变特征变换的提取方法，并对特征提取后的数据采用有监督局部线性嵌入的方法进行降维处理，以表示手势运动特征量；在手势分类器识别方面，利用判别式的支持向量机对深度图像序列的特征量进行样本训练建模，并对未知手势进行分类预测。本发明不仅能够适应不同光照环境、鲁棒性较强，还能够对手势序列进行实时高效识别，适用于人机交互中的实时手势识别领域。

公开(公告)号：CN107066979A

公开(公告)日：2017-08-18

申请号：CN201710254552.9

申请日：2017-04-18

Applicant: 重庆邮电大学

Inventor： 蔡林沁 ,  刘晓林 ,  陈富丽 ,  虞继敏 ,  徐宏博

IPC: G06K9/00 ,  G06N3/08

CPC classification number: G06K9/00335 ,  G06N3/08

Abstract: 本发明请求保护一种基于深度信息和多维度卷积神经网络的人体动作识别方法，主要包括以下三个部分：在获取运动数据方面，通过体感设备Kinect获取人体运动的深度序列，得到人体运动的深度信息；在提取运动特征方面，利用深度运动图提取特征，获得深度序列的正面投影图、侧面投影图和俯视投影图；在人体动作识别方面，结合二维卷积神经网络和三维卷积神经网络的缺陷，提出了多维度卷积神经网络，实现人体动作识别。本发明不仅具有自学习特征，还可以从一个深度视频序列的数据集转移到不同的数据集，有较强的适应性，适用于人体动作的识别领域。