一种基于半监督学习的深度图像手势估计方法
基本信息
| 申请号 | CN202010503293.0 | 申请日 | - |
| 公开（公告）号 | CN111797692B | 公开（公告）日 | 2022-05-17 |
| 申请公布号 | CN111797692B | 申请公布日 | 2022-05-17 |
| 分类号 | G06V20/64（2022.01）I;G06V40/20（2022.01）I;G06V10/774（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06T3/60（2006.01）I;G06T7/50（2017.01）I;G06T7/55（2017.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 涂志刚;陈雨劲;张宇昊;刘军 | 申请（专利权）人 | 深圳英飞拓科技股份有限公司 |
| 代理机构 | 武汉科皓知识产权代理事务所（特殊普通合伙） | 代理人 | - |
| 地址 | 430072湖北省武汉市武昌区珞珈山武汉大学 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于半监督学习的深度图像手势估计方法。相比于RGB图像，从深度图像中可以估计得到更高精度的手部姿态。而目前基于深度学习的手势估计方法虽然取得良好效果，但太过依赖于使用标注数据进行训练，然而对图像中的三维手势进行标注的过程十分复杂。本发明提出了一种高效的点云表达方式，有效的融合了局部特征与全局特征，实现高精度的从深度图像中估计出三维手部姿态的新方法。通过降低模型训练过程中对标注数据的依赖，从而减少了数据标注的成本。与此前的半监督学习的方法相比，本发明在保证运行效率的前提下，实现了手部姿态估计在精度上的突破。 |
