-
公开(公告)号：CN114882524B
公开(公告)日：2024-12-27
申请号：CN202210397216.0
申请日：2022-04-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于全卷积神经网络的单目三维手势估计方法，包括以下步骤：获取手部图像，对图像进行预处理；构建全卷积三维手势估计网络，并对全卷积三维手势估计网络进行训练；将预处理后的图像输入全卷积三维手势估计网络预测最终的关键点二维坐标及各关键点的相对深度；将预测的关键点二维坐标与相对深度进行后处理，计算手部关键点的三维坐标。本发明通过将手部尺度信息与神经网络对手部关键点的深度预测过程解耦，能够有效应对单目三维手势估计中的尺度不确定性问题，实际应用中通过获取准确的先验尺度信息，本发明准确还原出场景中手部关键点相对成像设备的实际深度，有效提升三维手势估计方法的精度上限以及对场景的泛化能力。
-
公开(公告)号：CN114882524A
公开(公告)日：2022-08-09
申请号：CN202210397216.0
申请日：2022-04-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于全卷积神经网络的单目三维手势估计方法，包括以下步骤：获取手部图像，对图像进行预处理；构建全卷积三维手势估计网络，并对全卷积三维手势估计网络进行训练；将预处理后的图像输入全卷积三维手势估计网络预测最终的关键点二维坐标及各关键点的相对深度；将预测的关键点二维坐标与相对深度进行后处理，计算手部关键点的三维坐标。本发明通过将手部尺度信息与神经网络对手部关键点的深度预测过程解耦，能够有效应对单目三维手势估计中的尺度不确定性问题，实际应用中通过获取准确的先验尺度信息，本发明准确还原出场景中手部关键点相对成像设备的实际深度，有效提升三维手势估计方法的精度上限以及对场景的泛化能力。
-
公开(公告)号：CN112380512A
公开(公告)日：2021-02-19
申请号：CN202011201517.9
申请日：2020-11-02
Applicant: 华南理工大学
Abstract: 本发明提供了一种卷积神经网络动态手势认证方法、装置、存储介质及设备；其中方法包括如下步骤：设定工作模式为注册模式或认证模式；输入用户id；采集用户动态手势视频；对动态手势视频进行预处理；输入到手势特征提取器，提取出包含用户身份信息的特征向量；在注册模式下，将输入的用户id和提取出的特征向量添加至注册特征库中；在认证模式下，分别计算提取出的特征向量与注册特征库中输入用户id对应的各个特征向量之间的余弦距离；若余弦距离最小值小于认证阈值时，则认证通过。该方法既能够快速提取手势的动态行为特征，又包含了具有高度用户可区分性的生理特征，可提高手势认证的性能，具有良好手势认证准确度和响应速度。
-
-
Search Results
3
records
(took 0.018 seconds)
