[发明专利]一种基于yolo-v3框架整合横纵向信息的手势识别方法

权利要求书

1.一种基于yolo-v3框架整合横纵向信息的手势识别方法，其特征在于：包括如下步骤：

步骤S10、获取大量的手势图片，对各所述手势图片进行数据扩充得到图片集；

步骤S20、利用滑动平均算法构建Decay BN层；

步骤S30、通过若干个横向卷积和纵向卷积构建yolo-v3的主干网络；

步骤S40、基于小目标损失构建损失函数；

步骤S50、基于所述Decay BN层、主干网络以及损失函数构建一手势识别模型；

步骤S60、利用所述图片集对手势识别模型进行训练；

步骤S70、利用训练后的所述手势识别模型进行手势识别。

2.如权利要求1所述的一种基于yolo-v3框架整合横纵向信息的手势识别方法，其特征在于：所述步骤S10具体包括：

步骤S11、获取大量的手势图片；

步骤S12、利用相似度函数对各所述手势图片进行k-means聚类，得到N个类别；

步骤S13、分别从N个类别中依次选取一张所述手势图片，并对各所述手势图片的手势区域进行裁减得到子图片，并将所述子图片的尺寸修正为手势图片的1/N；

步骤S14、将各所述子图片拼接成第一图片，将各所述子图片随机旋转不同角度拼接成第二图片，对各所述子图片进行随机重复采样N次后拼接成第三图片，将所述子图片、第一图片、第二图片以及第三图片组成一个batch；

步骤S15、基于各所述batch组成数据扩充后的图片集。

3.如权利要求2所述的一种基于yolo-v3框架整合横纵向信息的手势识别方法，其特征在于：所述步骤S12中，所述相似度函数的公式为：

S_whole＝α₁*(S₁₁+S₁₂)+α₂*S₂；

其中，S_whole表示图片A和图片B的相似性；anchor_A表示图片A中的手势目标；anchor_B表示图片B中的手势目标；S₁₁表示anchor_A中全部点的横坐标均值与anchor_B中全部点的横坐标均值的绝对差；S₁₂表示anchor_A中全部点的纵坐标均值与anchor_B中全部点的纵坐标均值的绝对差；S₂表示图片A和图片B的横坐标和纵坐标的绝对差的均值；α₁和α₂表示相似性系数；m_A表示anchor_A中像素点的个数；m_B表示anchor_B中像素点的个数；m表示图片A和图片B全部像素点的个数；(x_i,y_i)表示anchor_A中的坐标点；(x_j,y_j)表示anchor_B中的坐标点；x_Ai、x_Bj、y_Ai以及y_Bj均表示手势目标调整系数。

4.如权利要求2所述的一种基于yolo-v3框架整合横纵向信息的手势识别方法，其特征在于：所述步骤S20具体包括：

步骤S21、选取一个Decay BN层，计算所述Decay BN层中第i个batch的均值μ_i和方差σ_i，以i为基准，计算第i+j个batch的均值μ_i+j和方差σ_i+j；

步骤S22、计算第i+j个batch和第i个batch的数据的相似度；

步骤S23、基于所述相似度更新Decay BN层的均值μ_i+j和方差σ_i+j，完成Decay BN层的构建。