[发明专利]手势识别方法及装置、存储介质、处理器

权利要求书

1.一种手势识别方法，其特征在于，包括：

通过对待使用的训练样本进行训练，确定第一网络模型中计算层的权重参数，其中，所述训练样本包括：多张包含不同手势信息的图片；

将待识别的目标图片输入所述第一网络模型，输出第一识别结果，其中，所述第一识别结果用于指示以下信息至少之一：手势在所述目标图片中的位置，手势在所述目标图片中内容。

2.根据权利要求1所述的方法，其特征在于，通过对待使用训练样本进行训练，确定所述第一网络模型中计算层的权重参数包括：

将所述训练样本输入至第二网络模型，输出第二识别结果；

当所述训练样本与所述第二识别结果之间的相似度大于第一阈值时，根据所述第二网络模型所使用的参数调整所述第一网络模型，得到所述计算层的权重参数。

3.根据权利要求2所述的方法，其特征在于，通过对待使用训练样本进行训练，确定第一网络模型中计算层的权重参数之前，获得所述待使用训练样本包括：

获取初始训练样本；

对所述初始训练样本进行预处理，得到所述待使用训练样本，其中，所述预处理包括以下至少之一：随机曝光处理，随机模糊处理。

4.根据权利要求1所述的方法，其特征在于，通过对待使用训练样本进行训练，确定第一网络模型中计算层的权重参数还包括；

对所述待使用训练样本中包含不同手势信息的图片进行网格划分；

通过对划分后的所述图片进行训练，确定第一网络模型中计算层的权重参数。

5.根据权利要求1所述的方法，其特征在于，将目标图片输入第一网络模型，输出第一识别结果之后，所述方法包括；

当所述识别结果与样本库中的样本相似度小于第二阈值时，通过调整所述第一网络模型中的权重系数更新所述第一网络模型。

6.根据权利要求1所述的方法，其特征在于，根据预设规则设置所述第一网络模型，其中，所述第一网络模型包括：计算层；

所述计算层包括以下之一：卷积单元、批归一化单元、加权单元、线性整流单元、最大池化单元、通道重排单元。

7.一种手势识别装置，其特征在于，包括：

确定单元，用于通过对待使用训练样本进行训练，确定第一网络模型中计算层的权重参数，其中，所述训练样本包括：多张包含不同手势信息的图片；

输出单元，用于将目标图片输入第一网络模型，输出第一识别结果，其中，所述第一识别结果用于指示以下信息至少之一：手势在所述目标图片中的位置，手势在所述目标图片中内容。

8.根据权利要求7所述的装置，其特征在于，所述确定单元包括：

输出模块，用于将所述训练样本输入至第二网络模型，输出第二识别结果；

第一得到模块，用于当所述训练样本与所述第二识别结果之间的相似度大于预定阈值时，根据所述第二网络模型所使用的参数调整所述第一网络模型，得到所述计算层的权重参数。

9.根据权利要求7所述的装置，其特征在于，所述装置包括：获得单元，用于获得所述训练样本，其中所述获得单元包括：

获取模块，用于通过对待使用训练样本进行训练，确定第一网络模型中计算层的权重参数之前，获取初始训练样本；

第二得到模块，用于对所述初始训练样本进行预处理，得到所述待使用训练样本，其中，所述预处理包括以下至少之一：随机曝光处理，随机模糊处理。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任一项所述的手势识别方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任一项所述的手势识别方法。