一种基于隐马尔科夫模型自增量学习的动态手势识别方法

发明专利有效专利

申请号：
CN201310585572.6
IPC分类号：G06K9/66
申请日期：
2013-11-19
申请人：
南京大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于隐马尔科夫模型自增量学习的动态手势识别方法
申请号	CN201310585572.6	申请日期	2013-11-19
法律状态	授权	申报国家	中国
公开/公告日	2014-02-19	公开/公告号	CN103593680A
优先权	暂无	优先权号	暂无
主分类号	G06K9/66 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕 G06K9/64 应用带有许多基准的多个图像信号的同时比较或相关的，例如，电阻矩阵〔3〕 G06K9/66 这些基准通过适宜的方法是能够进行调节的，例如，学习〔3〕	IPC分类号	G;0;6;K;9;/;6;6查看分类表>
申请人	南京大学	申请人地址	江苏省南京市汉口路22号南京大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京大学	当前权利人	南京大学
发明人	申富饶;胡孟;赵金熙
代理机构	江苏圣典律师事务所	代理人	胡建华

摘要

本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法，包括以下步骤：(1)手势检测与跟踪；(2)特征提取与矢量量化；(3)模型训练与手势识别；(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法，可以准确地识别手势操作人在摄像头前完成的动态手势操作，并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中，从而使旧模型能动态适应未来手势数据中产生的新变化，对手势数据中的调整与更变能有更好的适应性，使得模型能不断随着手势数据的调整，对将来未知的手势识别有更好的鲁棒性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供