[发明专利]一种基于卷积神经网络的人手图像区域检测方法

摘要

本发明公开一种基于卷积神经网络的人手图像区域检测方法，包括以下步骤：利用卷积神经网络对图像进行特征提取并训练一个弱分类器；对于已经标好角度的图像，基于此分类器对图像分割得到多个候选区域；对每个候选区域利用卷积神经网络建模，得到角度估计模型并进行角度标注，将其旋转至正定姿态；再次利用卷积神经网络建模得到分类模型；对于测试图像，首先使用弱分类器得到候选区域，对每个候选区域，通过角度估计模型估计角度旋转至正定姿态；将正定姿态下的候选区域输入到分类模型中，获得图像中人手的位置与角度。该方法采用基于卷积神经网络的编码分类提高分类精度，利用角度模型保证方法具有旋转不变性，具有很高的人手区域检测精度。

主权项

1.一种基于卷积神经网络的人手图像区域检测方法，其特征在于，包括以下步骤：1)采集多个训练图像，对训练图像标注手腕和手掌中心的位置，并计算人手角度，然后根据人手角度把训练集分为多个角度集合；以各个角度集合为训练子集，训练一个多部件的滑动窗口型的分类模型M1；2)基于分类模型M1，对训练集的每个图像提取候选区域P1，并对候选区域标注类别与角度信息；3)将根据训练集得到的候选区域P1送入卷积神经网络，训练得到角度估计模型M2；4)将候选区域P1逐个送入角度估计模型M2，得到每个区域的角度A1，将其按角度A1旋转至正定姿态，得到正定姿态的候选区域集合P2；5)将正定姿态的候选区域集合P2送入卷积神经网络，训练得到类别估计模型M3；6)对于测试集，将集合中图像送入分类模型M1，得到候选区域P3；7)将候选区域P3逐个送入角度估计模型M2，得到每个区域的角度A2，将其按角度A2旋转至正定姿态，得到正定姿态的候选区域集合P4；8)将正定姿态的候选区域集合P4送入类别估计模型M3中，得到候选区域类别估计信息，从而确定人手图像区域。