基于无穷Dirichlet过程混合模型的指节识别方法

发明专利有效专利

申请号：
CN201810372306.8
IPC分类号：G06K9/00;G06K9/62
申请日期：
2018-04-24
申请人：
西安理工大学

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	基于无穷Dirichlet过程混合模型的指节识别方法
申请号	CN201810372306.8	申请日期	2018-04-24
法律状态	授权	申报国家	中国
公开/公告日	2018-11-13	公开/公告号	CN108805012A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? 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〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2查看分类表>
申请人	西安理工大学	申请人地址	陕西省西安市金花南路5号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安理工大学	当前权利人	西安理工大学
发明人	杨世强;弓逯琦;柳培蕾;李小莉;杨江涛;李德信
代理机构	西安弘理专利事务所	代理人	暂无

摘要

本发明公开了一种基于无穷Dirichlet过程混合模型的指节识别方法，按照以下步骤进行步骤1，在局部Markov假设的基础上，将条件随机测度的学习问题转化为随机聚类学习问题；步骤2，运用无穷Dirichlet过程混合模型描述概率密度，将聚类数量表述为随机态；步骤3，利用Gibbs采样方法，对分层概率形式的密度结构进行迭代学习；步骤4，基于Dirichlet过程混合模型的坍塌Gibbs采样算法DPMM，运用样本集进行了模型训练学习，采用固定阈值对手部图像指节进行识别。本发明细化了手部生物结构的描述，检测结果稳定可靠，计算效率高。

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