摘要
本发明提供一种手势识别方法、上位机及系统,涉及手势识别技术领域。该方法包括:采集手部压力数据;将手部压力数据输入到预先训练的卷积脉冲神经网络模型中,得到手势识别结果;其中,预先训练的卷积脉冲神经网络模型为基于脉冲神经网络模型改进的卷积神经网络模型;改进的卷积神经网络模型中的池化层与全连接层由脉冲神经网络模型组成。本发明能够对传统的卷积神经网络进行改进,将脉冲神经网络模型与卷积神经网络模型结合,改进后的模型融合了卷积神经网络的特征提取能力和脉冲神经网络模型的时空编码特性,能够在保证数据准确处理的同时,通过脉冲累计替代部分乘法运算,降低能耗。
技术关键词
脉冲神经网络模型
手势识别方法
卷积神经网络模型
时间序列特征
分类器
手势识别系统
动态
现场可编辑门阵列
编码器
手势识别技术
数据
空间特征提取
特征提取能力
积层
压力
触觉传感器
系统为您推荐了相关专利信息
噪声标签图像
训练图像分类模型
噪声样本
投影器
分类方法
优化极限学习机
灰色关联度
弱分类器
灰色关联分析法
样本
电流波形特征
编码向量
电流值
卷积神经网络模型
监测系统
智能穿戴设备
在线检测方法
特征值
弱分类器
集成学习算法