Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学孙力娟获国家专利权

南京邮电大学孙力娟获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利基于卷积神经网络的手语字母拼写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:CN115359562B

龙图腾网通过国家知识产权局官网在2025-12-05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:202211007786.0,技术领域涉及:G06V40/20;该发明授权基于卷积神经网络的手语字母拼写识别方法是由孙力娟;高奇志;郭剑;韩崇;王娟;王长龙;朱东晟设计研发完成,并于2022-08-22向国家知识产权局提交的专利申请。

基于卷积神经网络的手语字母拼写识别方法在说明书摘要公布了:基于卷积神经网络的手语字母拼写识别方法,利用卷积神经网络提取手部深度图特征并进行手语字母拼写识别。深度相机获取到手语图片及深度图片后,将之送给目标检测网络提取出精确的手部目标图片及精确的深度图片;待手部目标提取完毕,将深度图片通过基于灰度值伪色彩线性变换及色域分割算法来分割精确手语手势目标,通过色彩融合算法补充丢失手语手势信息。分割完毕通过灰度化、局部区域二值化对图片进行像素处理为单通道二值图来降低网络输入参数量,图片预处理完成。最后将预处理后的手语手势图片送入卷积神经网络进行特征提取,将提取出的特征与全连接层相连接,通过softmax分类器进行分类。训练完毕,保存网络模型并用来进行手语字母拼写识别。

本发明授权基于卷积神经网络的手语字母拼写识别方法在权利要求书中公布了:1.基于卷积神经网络的手语字母拼写识别方法,其特征在于:所述方法包括如下步骤: 步骤1,手部目标检测,通过深度相机获取手语彩色图像和深度图像,通过目标检测网络将手部图像切割出来,同时根据手部切割图像尺寸信息及深度相机内参对深度图像进行切割; 步骤2,对获取的局部深度图像进行归一化,将深度图像转换为灰度图像,并且对图像进行基于灰度图像的伪色彩线性变换,实现深度图像可视化; 步骤3,获取可视化后的深度图像并根据色域对手势进行分割,同时按照手势融合规则对分割手势结果进行判别并进行色彩融合; 步骤3中,将图像从RGB图像空间转换为HSV颜色空间;HSV由色调Hue、饱和度Saturation及明度Value三个分量组成;首先修改H的值来确定待分割颜色,其次动态调整S、V的值确定待分割颜色范围; 根据颜色空间表确定颜色的空间范围,同时根据原始图像尺寸生成掩膜空间img,lowerb,upperb,其中img是hsv格式图像、lowerb和upperb为掩膜空间范围; 拷贝hsv图像并对图像像素做掩膜运算,将掩膜空间范围内的图像像素值变为255即白色,其余图像像素值变为0即黑色,最后将原始灰度图像与根据掩膜空间处理后的图像做与运算,即剔除黑色并保留白色,获取原图掩膜位置区域,分割完毕; 步骤3中,为了保持手语手势的完整性,记录区域内的多种颜色矩阵并将之融合起来; 将经过灰度值伪色彩线性变换的图像通过基于色域分割法将像素信息分别保存于两个图像矩阵Img_matrix_1、Img_matrix_2,根据经验手动设置融合阈值Eff_low_1、Eff_low_2通过如下判别规则进行融合: 规则1,若Img_matrix_1或Img_matrix_2的像素值小于Eff_low_1,将当前手语分割图像指定为Img_matrix_2或Img_matrix_1; 规则2,若Img_matrix_1或Img_matrix_2的像素值大于Eff_low_2,将当前手语分割图像指定为Img_matrix_1或Img_matrix_2; 规则3,若Img_matrix_1或Img_matrix_2的像素值大于Eff_low_1且小于Eff_low_2,则通过下述融合公式对图像矩阵进行融合: result=255-255-Img_matrix_1×255-Img_matrix_2÷128 其中result为图像融合后的图像,通过此公式将两种颜色的图像融合到一起显示出完整的手语手势图; 步骤4,对生成的分割手势结果灰度化二值化处理,并且对处理结果进行像素反转,处理完毕将像素反转后的图像送入卷积神经网络进行训练; 步骤5,训练时将像素反转后的图像尺寸归一化并送入卷积神经网络进行特征提取,将输出特征与全连接层相连接,最后通过softmax输出24分类概率;在网络训练设定轮数后保存训练模型并加载用来测试,对于采集的数据集划分训练集和测试集,进行五次交叉训练,验证模型泛化性并保存最佳训练模型。

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南京邮电大学,其通讯地址为:210003 江苏省南京市鼓楼区新模范马路66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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。