公开(公告)号：CN114692679B

公开(公告)日：2024-07-12

申请号：CN202210256419.8

申请日：2022-03-16

Applicant: 福州大学

Inventor： 郑海峰 ,  沈翔宇 ,  冯心欣 ,  胡锦松

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于调频连续波的元学习手势识别方法。该方法利用元学习网络能够使用少量带标签样本即实现对手势的高精度识别。此外本方法考虑了手势的角度特征以及多个特征间的内部关系，利用基于3D卷积神经网络的双通道融合特征提取网络提取关键特征用于手势识别，有效地提高了手势识别的精度。同时，本方法在多维特征融合阶段，利用基于哈达玛积的特征融合方法，考虑了多维度特征之间的空间相关性，有助于进一步提高手势识别精度。

公开(公告)号：CN114692679A

公开(公告)日：2022-07-01

申请号：CN202210256419.8

申请日：2022-03-16

Applicant: 福州大学

Inventor： 郑海峰 ,  沈翔宇 ,  冯心欣 ,  胡锦松

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于调频连续波的元学习手势识别方法。该方法利用元学习网络能够使用少量带标签样本即实现对手势的高精度识别。此外本方法考虑了手势的角度特征以及多个特征间的内部关系，利用基于3D卷积神经网络的双通道融合特征提取网络提取关键特征用于手势识别，有效地提高了手势识别的精度。同时，本方法在多维特征融合阶段，利用基于哈达玛积的特征融合方法，考虑了多维度特征之间的空间相关性，有助于进一步提高手势识别精度。