[发明专利]手势交互方法及系统

权利要求书

1.一种手势交互方法，其特征在于，包括以下步骤：

实时采集手势的三维图像；

对所述三维图像进行预处理，得到预处理后的三维图像；

对所述预处理后的三维图像进行边缘提取和二值化，生成边缘矩阵和二值矩阵；

对所述边缘矩阵进行目标封闭区域填充，并将目标封闭区域填充后的所述边缘矩阵与所述二值矩阵进行与计算，生成修正二值矩阵；

所述修正二值矩阵经深度卷积神经网络处理输出交互向量；

交互类状态机根据所述输出交互向量进行状态更新；

判断更新后的状态有无设定的改变，若无，则直接结束交互；若有，则触发交互动作，并结束交互。

2.根据权利要求1所述的方法，其特征在于，所述修正二值矩阵经深度卷积神经网络处理输出交互向量，具体为：

步骤1.对所述修正二值矩阵进行卷积和下采样；

步骤2.判断所述卷积和下采样的次数是否大于设定次数，若是，则执行步骤3，若否，执行步骤1；

步骤3.将所述卷积和下采样后的卷积向量进行全连接计算，并输出交互向量。

3.根据权利要求2所述的方法，其特征在于，所述对所述修正二值矩阵进行卷积和下采样，具体为：

将所述修正二值矩阵作为深度卷积神经网络的输入值进行卷积得到特征矩阵：

$x_j^i=f(\underset{i\∈M}{\Σ}{x}_i^{i-1}\×k_{ij}^i+b_j^i)$

其中，f为激活函数，所述激活函数为tanh、Sigmoid或ReLU，k为权值，b为偏置；

对所述特征矩阵进行下采样，具体如下：

$x_j^i=d\left(x_j^{i-1}\right)$

其中，d为采样函数。

4.根据权利要求2所述的方法，其特征在于，所述全连接计算通过反向传播算法调整权值。

5.根据权利要求1所述的方法，其特征在于，所述预处理方法为快速傅里叶变换、局部自适应阈值算法和形态学中的一种或多种。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述深度卷积神经网络为决策树融合深度卷积神经网络。