买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学;中国航空工业集团公司沈阳飞机设计研究所申请的专利基于自适应手势帧序列提取算法的实时手势识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116311500B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310103156.1，技术领域涉及：G06V40/20；该发明授权基于自适应手势帧序列提取算法的实时手势识别方法是由林琳;陈雨欣;刘仲;蒋贵虎;佴威至;陈建;孙晓颖设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于自适应手势帧序列提取算法的实时手势识别方法在说明书摘要公布了：本发明涉及一种基于自适应手势帧序列提取算法的实时手势识别方法,属于人机交互领域。包括构建一个自适应网络来选择视频中具有判别性的帧序列,使算法能够根据视频中手势的种类自动调节截取的视频帧数，并将挑选的帧序列的特征输入到实时手势识别网络中进行判别任务,并将返回值反馈到原有算法网络中，与原算法网络联合训练并相互促进。优点在于：缩短了识别时间，在应用中，可以有效避免在静态手势识别过程中，需要测试者保持手势静止一段时间，才能得到手势识别结果的问题，提高系统识别速度，降低系统延迟。

本发明授权基于自适应手势帧序列提取算法的实时手势识别方法在权利要求书中公布了：1.一种基于自适应手势帧序列提取算法的实时手势识别方法,其特征在于：包括以下步骤： 步骤1：在手势识别程序中载入并读取预先生成的M条随机线段数据并采用深度相机获取实时深度图像； 步骤2：使用计算机键入分类标签并录制每个分类标签对应的多个深度视频帧序列，作为训练集，其中每一个深度视频帧序列包含N帧，为一个样本； 步骤3：计算每个样本的手势特征值； 步骤4：计算同类样本的动态分类阈值，包括以下步骤： 步骤4.1：计算三维距离特征差、运动长度特征差、速度特征差； 三维距离特征差计算公式： 第n帧两个特征向量和的距离定义为： ； 其中和分别表示特征向量和在M个数值中的第m个值，三维距离特征差即为两个特征向量之间的欧式距离，即： ； 其中Sa和Sb表示需进行特征差计算的两个深度视频帧序列； 运动长度特征差计算公式： ； 其中，和分别表示对于深度视频帧序列Sa和Sb对应的动作轨迹和中长度特征值较大和较小的轨迹； 速度特征差计算公式： ； 其中van和vbn分别表示为在深度视频帧序列Sa和Sb中，手在第n帧中的移动速度； 步骤4.2：计算样本动态阈值； 每个手势标签对应阈值ThLabelS，阈值的计算方法是：对训练集中所有标签相同的样本两两之间的三种特征差值的中位数进行加权平均，即：； 其中，，表示三种特征差值所占权值，通过进行多次实验，取平均识别率高的情况所对应的，，值作为动态阈值的权值； 两个深度视频帧序列Sa和Sb的差异性用表示，其计算公式如下： ； 其中，，表示三种特征差值所占权值,通过进行多次实验，取平均识别率高的情况所对应的，，值作为动态阈值的权值； 步骤5：同时通过对实时获取的当前一帧图像数据和最近N帧深度视频帧序列进行计算，得到两个分类结果，包括以下步骤： 步骤5.1：对实时获取的当前一帧深度图像的数据进行处理，得到一个分类结果1； 将实时获取到深度视频的最近一帧手势特征进行延展，即将当前一帧的特征向量进行复制，得到与样本相同帧数，即N帧的特征向量数，用这些向量组成一条动作轨迹，并计算处理后的帧序列特征值，计算该值与样本特征差，与样本阈值进行比较，输出一个分类结果1； 手势阈值对比及分类方法如下： 将对当前一帧的特征向量进行复制后得到的序列用S0表示，序列S1为实时测试前采集的样本的深度视频帧序列，当满足以下条件时，序列S0与样本的深度视频帧序列S1匹配： ； 其中labelS1是分类标签，每个手势标签对应的阈值ThlabelS1由对对应标签下样本进行动态阈值计算得到； 在实时识别时，每次深度相机捕获到最新一帧后，将组成的动作轨迹对应序列与训练集中的所有样本深度视频帧序列进行比较，若没有找到匹配项，算法不会输出；若一或多个匹配项，将对应的作为每个匹配样本的分数，使用KNN算法输出一个累积分数最大的标签作为分类结果1； 步骤5.2：生成实时获取的深度视频帧序列中由最近N帧构成的动作轨迹，计算深度视频帧序列特征值，并与不同种类样本阈值相对比，得到另一个分类结果2； 手势阈值对比及分类方法如下： 将最近N帧深度视频帧序列用S00表示，序列S2为实时测试前采集的样本深度视频帧序列，当满足以下条件时，序列S00与样本序列S2匹配： ； 其中labelS2是分类标签，每个手势标签对应的阈值ThlabelS2对对应标签下样本进行动态阈值计算得到； 在实时识别时，将最近N帧深度视频帧序列与训练集中的所有样本深度视频帧序列进行比较，若没有找到匹配项，算法不会输出；若一或多个匹配项，将对应的作为每个匹配样本的分数，使用KNN算法输出一个累积分数最大的标签作为分类结果2； 步骤6：将两个分类结果进行比较，输出与样本相差更小的分类结果，作为最终手势分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学;中国航空工业集团公司沈阳飞机设计研究所，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。