基于卷积神经网络的汉语手语识别方法

摘要

本发明涉及一种基于卷积神经网络的汉语手语识别方法，包括下列步骤：采集汉语手语的各类手势图，经手势分割和预处理获得多张手势样本；将采集到的手势样本数据集按5:1:1的比例分为训练集、验证集和测试集；搭建7层的卷积神经网络CNN模型，包含3层卷积层、2层池化层和1层全连接层，用该CNN模型训练集的手势特征，取每次批处理batchsize的图像数为200，通过最大池化选取每次卷积后的特征；在最后一次卷积层之后，通过Softmax函数进行特征向量的分类，分类结果与标签对比并更新模型的权值；对比每次迭代后验证集的准确率，与上一次的验证结果对比，若准确率下降则继续迭代，否则停止迭代。