摘要
本发明公开了一种基于RGB图像的手部姿态评估方法,属于计算机视觉技术领域,包括以下步骤:S1、提出一种基于注意机制的多尺度信息感知模型来获取手势关键点信息;S2、通过分布感知的关键点坐标表示方法对手部姿势进行更精确的估计;S3、基于深度学习模型对给定应用和平台选择恰当的速度和精度平衡。本发明采用上述的一种基于RGB图像的手部姿态评估方法,提出了一种MSIPA‑HandNet算法,通过利用多尺度信息感知结构和分布感知的坐标表示,以取得更好的速度和准确性平衡,用于手部姿态估计,基于速度/精度权衡问题,提出了一个综合的度量标准,用于评估手部姿态估计,并为优化手部姿态估计模型提供了有价值的意见,使用手势关键点位置信息,方便应用。
技术关键词
姿态评估方法
手部姿态估计
手势关键点
通道注意力机制
全局平均池化
解码器结构
深度学习模型
图像
计算机视觉技术
多尺度信息
分辨率
坐标点
分支
像素
编码器
系统为您推荐了相关专利信息
数字高程模型数据
风速预测模型
联合损失函数
注意力机制
多尺度特征
神经网络模型
分支
导光板
上下文特征
多尺度局部特征
图像块
分层强化学习
特征融合网络
双向注意力机制
通道注意力机制
检测损失
循环生成对抗网络
图像多尺度
可见光图像
采样点