基于上下文感知卷积和子网正则化的连续手语识别方法

本发明公开了一种基于上下文感知卷积与子网络正则化的连续手语识别方法，采用训练好的识别网络模型对手语视频进行识别，将待识别的手语视频输入至视觉特征提取器，对其在各阶段提取的特征依次通过动态上下文感知卷积模块进行处理，并与原始特征进行残差连接，得到当前阶段的最终特征并传递至下一阶段；将视觉特征提取器的最终输出输入至时间特征提取器，进一步建模时序依赖关系，并通过分类器得到识别结果。本发明通过引入动态上下文感知卷积机制与子网络正则化方法，显著增强了模型对时空动态特征的建模能力，并有效缓解了CTC“尖峰”现象所引发的过拟合问题。