一种基于ShuffleNet-SSD的手势识别方法及系统

技术特征：
1.一种基于shufflenet-ssd的手势识别方法，其特征在于包括以下步骤：步骤（1）、采集手势图像，将其转换为固定尺寸，并对其进行标签标注，并以训练集与测试集一定比例构建数据集；步骤（2）、构建shufflenet-ssd网络模型；shufflenet-ssd网络包括特征提取网络shufflenet、软化非极大值抑制块soft-nms；所述特征提取网络shufflenet网络结构，包括conv1层、maxpool层、stage2层、stage3层、stage4层；所述conv1层将输入为224*224大小的图像经3*3卷积输出为112*112特征图至maxpool层；所述maxpool层将112*112特征图经最大值池化输出为56*56特征图至stage2层；所述stage2层包含1次步长为2的shufflenet单元与3次步长为1的shufflenet单元，输出28*28的特征图至stage3层；所述stage3层包含1次步长为2的shufflenet单元与7次步长为1的shufflenet单元，输出14*14的特征图至stage4层；所述stage4层包含1次步长为2的shufflenet单元与3次步长为1的shufflenet单元，输出7*7的特征图；步骤（3）、训练shufflenet-ssd模型，并对其进行参数调整与优化；步骤（4）、利用已经训练好的shufflenet-ssd模型实现手势的识别。2.根据权利要求1所述方法，其特征在于所述软化非极大值抑制块soft-nms用于对特征提取网络shufflenet输出的特征图中的检测框进行高度重叠剔除。3.根据权利要求4所述方法，其特征在于所述软化非极大值抑制块soft-nms具体如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中m是特征提取网络shufflenet输出的特征图中检测框集合，bi为除最高置信度框外其他框，si为当前检测框得分，iou表示置信度；f(iou(m,bi))为权重函数，具体是：
ꢀꢀ
(2)其中，d为经过soft-nms抑制的检测框，σ为人为指定参数。4.一种基于shufflenet-ssd的手势识别系统，其特征在于包括：数据集制作模块，制作用于训练shufflenet-ssd的训练集；模型训练模块，用于将所述训练集中预处理后的手势图像输入到shufflenet-ssd模型并进行训练；手势识别模块，用于通过训练好的shufflenet-ssd模型对待识别的手势进行预测并产生识别结果。

技术总结
本发明公开一种基于ShuffleNet-SSD的手势识别方法及系统。采集手势图像，将其转换为固定尺寸，并对其进行标签标注，并以训练集与测试集一定比例构建数据集；构建ShuffleNet-SSD网络模型；训练ShuffleNet-SSD模型，并对其进行参数调整与优化；利用已经训练好的ShuffleNet-SSD模型实现手势的识别。本发明提出轻量级网络框架代替VGG16框架，减少计算消耗资源。通过ShuffleNet网络进行特征提取，提升识别精度，降低消耗资源。降低消耗资源。降低消耗资源。


技术研发人员：侯平智 王晓虎 彭圣仆 厉东北
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.12.30
技术公布日：2022/4/29