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！

申请/专利权人：复旦大学;复旦大学义乌研究院

摘要：本发明提供了一种基于轻量型神经网络的手势识别方法，具有这样的特征，包括以下步骤：步骤S1，构建神经网络模型，并采用多个现有手势图像作为训练集对神经网络模型进行训练，得到训练后的神经网络模型作为手势识别模型；步骤S2，通过图像传感器采集得到包含手部的原始图像；步骤S3，对原始图像进行预处理，得到预处理图像；步骤S4，将预处理图像输入手势识别模型，得到原始图像的手势识别结果。总之，本方法能够降低手势识别网络的计算量和参数量的同时，保持较高的手势识别准确率和效率。

主权项：1.一种基于轻量型神经网络的手势识别方法，其特征在于，包括以下步骤：步骤S1，构建神经网络模型，并采用多个现有手势图像作为训练集对所述神经网络模型进行训练，得到训练后的神经网络模型作为手势识别模型；步骤S2，通过图像传感器采集得到包含手部的原始图像；步骤S3，对所述原始图像进行预处理，得到预处理图像；步骤S4，将所述预处理图像输入所述手势识别模型，得到所述原始图像的手势识别结果，其中，所述手势识别模型包括手部检测网络和手部分类网络，所述手部检测网络包括顺次连接的主干网络模块和轻量化检测头模块，所述主干网络模块包括顺次连接的第一二维卷积层，第一倒残差线性瓶颈块、第二倒残差线性瓶颈块、第三倒残差线性瓶颈块、第四倒残差线性瓶颈块、第五倒残差线性瓶颈块和第六倒残差线性瓶颈块，所述轻量化检测头模块包括第一点卷积层、第一yolo输出层和第二yolo输出层，所述第一点卷积层的输出分别作为所述第一yolo输出层和所述第二yolo输出层的输入，所述第一yolo输出层包括顺次连接的第一深度卷积层、第七倒残差线性瓶颈块、第二点卷积层、第二深度卷积层、第三深度卷积层和第三点卷积层，所述第二yolo输出层包括顺次连接的第四深度卷积层、第八倒残差线性瓶颈块、第四点卷积层、第五深度卷积层、第六深度卷积层和第五点卷积层，所述手部分类网络包括顺次连接的第二二维卷积层、第三二维卷积层、第一深度可分离卷积层、第二深度可分离卷积层、第三深度可分离卷积层、第四二维卷积层、第五二维卷积层和全局平均池化层。

全文数据：

权利要求：

百度查询： 复旦大学 复旦大学义乌研究院 基于轻量型神经网络的手势识别方法