[发明专利]一种手势识别模型训练方法、手势识别方法及系统

摘要

本发明公开了一种手势识别模型训练方法、手势识别方法及系统，其中训练方法包括采集多种场景下的手势图片样本，在手势样本上进行随机裁剪，得到新的手势样本，将手势图片样本和新的手势样本作为样本集；构建Light YOLO网络，利用样本集对Light YOLO网络进行训练，得到第一Light YOLO网络；在第一Light YOLO网络的每一层卷积层后面加一个selective‑dropout层，得到第二Light YOLO网络，利用样本集对第二Light YOLO网络进行训练收敛，然后进行通道裁剪，进而得到手势识别模型。本发明提升了网络对分辨率较小的手势的检测性能。使得本发明的手势识别方法准确率高以及实时性好。同时使得本发明系统能直接从图片得到识别结果，可以进行端到端的优化。

主权项

1.一种手势识别模型训练方法，其特征在于，包括：(1)采集多种场景下的手势图片样本，标记手势图片样本中的手势位置和手势类别，然后在手势样本上进行随机裁剪，得到新的手势样本，将手势图片样本和新的手势样本作为样本集；(2)基于YOLOv2目标检测网络，移除其最后一个最大池化层以及第六组卷积层组，将YOLOv2目标检测网络中第14、15、17层卷积层的通道数减为原来的一半，利用一个通道数与第15层卷积层相同的卷积层将第8层卷积层输出的特征图进行降采样编码，得到Light YOLO网络，利用样本集对Light YOLO网络进行训练，得到第一Light YOLO网络；(3)将样本集输入第一Light YOLO网络，第一Light YOLO网络的每一层卷积层均输出特征图，利用一阶泰勒展开对特征图进行重要性评估，选择重要性最低的A个特征图作为待裁剪特征图，在第一Light YOLO网络的每一层卷积层后面加一个selective‑dropout层，得到第二Light YOLO网络，利用样本集对第二Light YOLO网络进行训练至第二Light YOLO网络收敛，对收敛的第二Light YOLO网络中待裁剪特征图对应的卷积核进行裁剪，得到第三Light YOLO网络，利用样本集对第三Light YOLO网络进行训练，进而得到手势识别模型。