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！

龙图腾网获悉深圳大学申请的专利基于多模态特征融合与小样本学习的手势识别方法和系统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：CN116343261B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310234553.2，技术领域涉及：G06V40/10；该发明授权基于多模态特征融合与小样本学习的手势识别方法和系统是由毕宿志;陈新裕;林晓辉;郑莉莉设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本基于多模态特征融合与小样本学习的手势识别方法和系统在说明书摘要公布了：本发明涉及一种基于多模态特征融合与小样本学习的手势识别方法和系统。该方法包括：获取手势识别的源域数据和目标域数据；采用来自不同链路的所述源域数据分别训练第一特征提取器和第二特征提取器并获取第一特征和第二特征，并将所述第一特征和所述第二特征输入多模态特征融合器以进行特征融合以获得多模态融合特征；基于所述多模态特征融合器融合获取所述目标域数据的训练特征，基于所述训练特征训练分类器，再基于训练好的分类器进行手势识别。本发明利用多模态特征融合可以将多对收发设备收到的数据进行特征融合，从而增强特征，因此利用小样本学习的方法，只需要采集少量的目标域数据就可以实现高准确率的跨域手势识别。

本发明授权基于多模态特征融合与小样本学习的手势识别方法和系统在权利要求书中公布了：1.一种基于多模态特征融合与小样本学习的手势识别方法，其特征在于，包括： S1、获取手势识别的源域数据和目标域数据； S2、采用来自不同链路的所述源域数据分别训练第一特征提取器和第二特征提取器并获取第一特征和第二特征，并将所述第一特征和所述第二特征输入多模态特征融合器以进行特征融合以获得多模态融合特征； S3、基于所述多模态特征融合器融合获取所述目标域数据的训练特征，基于所述训练特征训练分类器，再基于训练好的分类器进行手势识别； 所述步骤S2进一步包括： S21、将来自第一链路的所述源域数据作为第一训练集训练所述第一特征提取器以获取所述第一特征，将来自第二链路的所述源域数据作为第二训练集训练所述第二特征提取器以获取所述第二特征，其中所述第一特征提取器和所述第二特征提取器独自训练； S22、将所述第一特征和所述第二特征输入所述多模态特征融合器以进行特征融合以获得多模态融合特征，其中所述多模态融合特征为所述第一特征和所述第二特征的元素乘积； 所述第一特征提取器和所述第二特征提取器分别包括一个一维CNN层和三个二维CNN层以及两个全连接层；所述一维CNN层包含256个大小为2的卷积核，一个标准化层，一个ReLU激活函数以及一个池化层； 第一个二维CNN层包括256个3×3大小的卷积核，一个批量标准化层和一个Relu激活函数，以及一个池化层；第二个二维CNN层包括128个2×2大小的卷积核，一个批量标准化层和一个Relu激活函数，以及一个池化层；第三个二维CNN层包含有64个2×2大小的卷积核，一个批量标准化层和一个Relu激活函数，以及一个池化层； 所述多模态特征融合器包括第一展平层、第二展平层、第一线性层、第二线性层和元素乘积层，所述第一展平层和所述第二展平层分别连接所述第一特征提取器和所述第二特征提取器的第二个二维CNN层的输出以获取并融合所述第一特征和所述第二特征； 所述多模态融合特征表示为；表示Hadmard乘积，，为双线性模型输出，和分别表示所述第一特征和所述第二特征。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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。