公开(公告)号：CN109948498A

公开(公告)日：2019-06-28

申请号：CN201910186468.7

申请日：2019-03-13

Applicant: 中南大学

Inventor： 谢斌 ,  宋迪 ,  喻仲斌

IPC: G06K9/00

Abstract: 首次提出了一种基于3D卷积神经网络的算法进行动态手势识别。基于3D卷积神经网络的动态手势别与传统动态手势识别方法相比，不需要人为提取手势特征，通过3D卷积神经网络，自动提取手势特征；3D卷积神经网络与常见的2D卷积神经网络最大的不同在于3D卷积神经网络采用3D卷积核和3D池化窗口，这样卷积神经网络进行卷积操作不仅可以提取空间特征，而且可以提取时间特征；此发明能够利用卷积层自动学习手势特征，克服了人工提取特征的弊端以及常见卷积神经网络提取特征不够精细全面及稳定性欠佳等缺点，相比之下识别精度更高，训练时间相当；且此方法灵活性强，适用性广。

公开(公告)号：CN109214250A

公开(公告)日：2019-01-15

申请号：CN201710540178.9

申请日：2017-07-05

Applicant: 中南大学

Inventor： 谢斌 ,  宋迪 ,  喻仲斌

IPC: G06K9/00 ,  G06N3/08

Abstract: 首次提出一种多尺度的卷积神经网络的静态手势识别方法，本发明基于深度学习的Caffe框架进行优化设计，并进用图像处理的技术原理对静态手势图片进行识别。首先对于简单背景下和复杂背景下的静态手势图片数据进行采集与预处理，数据分为训练数据与测试数据；搭建实验测试环境的搭建后进行基于多尺度的卷积神经网络的设计，即：确定神经网络层数，选择合适的尺度特征等；把训练数据放入此网络结构中进行学习后输入测试数据样本进行测试，得出识别精度。此发明能够利用卷积层自动学习手势特征，克服了人工提取特征的弊端以及常见卷积神经网络提取特征不够精细全面及稳定性欠佳等缺点，相比之下识别精度更高，训练时间相当；且此方法灵活性强，适用性广。