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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 神思电子技术股份有限公司朱锦雷获国家专利权

神思电子技术股份有限公司朱锦雷获国家专利权

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!

龙图腾网获悉神思电子技术股份有限公司申请的专利一种基于静动结合的模糊手势识别方法、设备及介质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:CN115294643B

龙图腾网通过国家知识产权局官网在2026-05-12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:202210699073.9,技术领域涉及:G06V40/20;该发明授权一种基于静动结合的模糊手势识别方法、设备及介质是由朱锦雷;井焜;朱爱红;张汉同;张子良设计研发完成,并于2022-06-20向国家知识产权局提交的专利申请。

一种基于静动结合的模糊手势识别方法、设备及介质在说明书摘要公布了:本申请公开了一种基于静动结合的模糊手势识别方法、设备及介质,方法包括:提取用户在当前时刻待识别手势图像的手势特征点,将手势特征点作为第一特征点;对第一特征点的第一位置差分函数进行归一化,生成空间域特征矩阵;获取用户在预设历史时长内的多帧历史手势图像;提取每帧历史手势图像的手势特征点,在相邻帧历史手势图像中,确定处于相同位置的手势特征点,并将处于相同位置的手势特征点作为第二特征点;对第二特征点的第二位置差分函数进行归一化,生成时空序列特征矩阵;将空间域特征矩阵与时空序列特征矩阵分别输入至预先构建的深度卷积神经网络模型,输出用户在当前时刻的手势姿态以及手势动作类别,提高了手势识别准确率。

本发明授权一种基于静动结合的模糊手势识别方法、设备及介质在权利要求书中公布了:1.一种基于静动结合的模糊手势识别方法,其特征在于,所述方法包括: 获取用户在当前时刻的待识别手势图像,提取所述待识别手势图像的手势特征点,并将所述手势特征点作为第一特征点; 确定所述第一特征点的第一位置差分函数,对所述第一位置差分函数进行归一化,生成所述第一特征点的空间域特征矩阵; 获取所述用户在预设历史时长内的多帧历史手势图像;其中,所述预设历史时长以所述当前时刻为终止点; 提取每帧历史手势图像的手势特征点,在相邻帧历史手势图像中,确定处于相同位置的手势特征点,并将所述处于相同位置的手势特征点作为第二特征点; 确定所述第二特征点的第二位置差分函数,对所述第二位置差分函数进行归一化,生成所述第二特征点的时空序列特征矩阵; 将所述空间域特征矩阵与所述时空序列特征矩阵分别输入至预先构建的深度卷积神经网络模型,输出所述用户在当前时刻的手势姿态以及手势动作类别; 所述将所述空间域特征矩阵与所述时空序列矩阵分别输入至预先构建的深度卷积神经网络模型,输出所述用户在当前时刻的手势姿态以及手势动作类别,具体包括: 通过第一卷积网络,提取所述空间域特征矩阵对应的第一特征图; 通过第二卷积网络,提取所述时空序列特征矩阵对应的第二特征图;其中,所述第二特征图与所述第一特征图的尺度相同; 通过预设注意力机制融合表达式,对所述第一特征图与所述第二特征图进行融合,生成融合特征; 将所述融合特征输入至第三卷积网络,输出所述用户在当前时刻的手势姿态以及手势动作类别; 所述通过预设注意力机制融合表达式,对所述第一特征图与所述第二特征图进行融合,生成融合特征,具体包括: 将所述第一特征图与所述第二特征图进行合并通道,得到拼接特征图; 对所述拼接特征图中的特征进行交叉点乘,得到交叉处理的特征; 对所述交叉处理的特征进行概率化,得到初始融合特征; 对所述初始融合特征进行反变换,生成与所述拼接特征图相同尺度的特征, 并通过可学习参数对所述特征加权后与所述拼接特征图相加,生成融合特征; 所述对所述拼接特征图中的特征进行交叉点乘,得到交叉处理的特征,具体包括: ,其中, 其中,FF是所述拼接特征图中各特征图对应的一维展开形式特征,所述FF的尺度为,则C为拼接特征图中所有特征图的总数量,D为所述拼接特征图中的元素个数,是指编号为m特征图的第k个元素,是指编号为n特征图的第k个元素,是指交叉处理的特征; 所述对所述交叉处理的特征进行概率化,得到初始融合特征,具体包括: 其中,为概率化的初始融合特征; 所述对所述初始融合特征进行反变换,生成与所述拼接特征图相同尺度的 特征,并通过可学习参数对所述特征加权后与所述拼接特征图相加,生成融合特征,具体包括: 通过个初始融合特征按行列式编号顺序组合,生成维度为的初始融合矩阵; 通过以下公式,生成融合特征: 其中,FC为融合特征,初始融合矩阵,FB为拼接特征图,用于将恢复为与FB相同的尺度,是可学习参数。

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神思电子技术股份有限公司,其通讯地址为:250101 山东省济南市高新区舜华西路699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。