买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海应用技术大学申请的专利基于多级状态特征优化的手语识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116246341B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310025040.0，技术领域涉及：G06V40/20；该发明授权基于多级状态特征优化的手语识别方法是由陈彪;林涛;王瑞霞;师与;张亚博;姜楠设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本基于多级状态特征优化的手语识别方法在说明书摘要公布了：本发明涉及一种基于多级状态特征优化的手语识别方法，构建手语识别模型对手语进行识别，手语识别模型包括依次连接的Resnet‑18网络、两级Gloss编码器和CTC解码器，在处理过程中更加高效，同时该结构对于用户的输入图像帧尺寸不做限制，更适合实际部署应用；方法参考了手语语义的构成规则，利用两级Gloss编码器将图像帧序列按照语义规则进行二次构建，对手语特征之间的关联性深入挖掘；通过多个特征状态优化的决策融合机制，对模型的局部特征和全局输出进行联合优化，得到最后的识别效果。

本发明授权基于多级状态特征优化的手语识别方法在权利要求书中公布了：1.一种基于多级状态特征优化的手语识别方法，其特征在于，构建手语识别模型对手语进行识别，手语识别模型包括依次连接的Resnet-18网络、两级Gloss编码器和CTC解码器；连续的n个视频帧送入Resnet-18网络进行基于Resnet-18网络的图像局部特征提取，提取的特征通过两级Gloss编码器中的G1特征提取器和G2特征提取器分别对手语的空间变化与时间关联进行二次特征提取和融合，形成Gloss特征，最后利用CTC解码器对Gloss特征进行识别； 手语识别模型训练中：通过多个特征状态优化的决策融合机制，分别对经过Resnet-18网络、两级Gloss编码器的多特征状态使用CTC损失函数进行局部优化，同时采用KLDiv损失函数对经过Resnet-18网络和G2特征提取器的特征状态进行修正，通过不断迭代训练，对模型的局部特征和全局输出进行联合优化，得到最后的识别效果； 所述两级Gloss编码器由G1特征提取器和G2特征提取器构成；G1特征提取器在时间维度上对特征进行处理，G2特征提取器在空间维度上对特征进行处理； 所述的G1特征提取器由两个包含一个1D-CNN网络和一个最大池化层MP的双层结构叠加而成，在时间维度上处理输入的特征，其网络结构为1D-CNN-MP-1D-CNN-MP； 所述的G2特征提取器紧跟在G1特征提取器之后，仅由一个1D-CNN网络构成，在空间维度上对输入的特征； 所述两级Gloss编码器处理步骤，包括： 步骤1：G1特征提取器采用滑动窗口思想处理输入的扩展特征集S，形成一级Gloss特征集G1={g 1,g 2,…,g x}；经过G1特征提取器处理，特征集G1包含的特征数量将与扩展特征集S包含的特征数量不同；假定Q 0=m，m为扩展特征集S包含的特征数量，则特征集G1包含的特征数量x的计算方式如下: T i=Q i-1+2p-ks+1，i∈{1,2}1 Q i =T i+2pm-kmsm+1，i∈{1,2}2 x=Q 23 其中，T i和Q i分别表示第i次经过1D-CNN处理后的特征数量和第i次经过MP处理后的特征数量，p、k、s分别代表1D-CNN的填充大小、滤波器大小和滑动步长，pm、km、sm分别代表MP的填充大小、滤波器大小和滑动步长； 步骤2：G1特征提取器采用1D-CNN进一步提取一级Gloss特征集G1的空间特征，输出二级Gloss特征集G2={g 1 ’,g 2 ’,…，g x ’}，这个操作不改变特征集的大小。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海应用技术大学，其通讯地址为：200235 上海市徐汇区漕宝路120号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。