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！

龙图腾网获悉天津大学申请的专利一种智能动态手势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：CN116861332B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310824875.2，技术领域涉及：G06F18/2415；该发明授权一种智能动态手势识别方法是由雷建军;马婕;彭勃;刘秉正设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本一种智能动态手势识别方法在说明书摘要公布了：本发明公开了一种智能动态手势识别方法，包括：将基于LeapMotion获取的动态手势序列初始节点特征构造为张量形式，作为后续输入；设计基于超图神经网络的空间特征提取模块，以学习动态手势序列的空间特征；设计基于超图神经网络的时序特征提取模块，以学习动态手势序列的时序特征；基于节点空间特征和节点时序特征，构建时空特征融合分类模块以有效融合节点的时空特征，获取最终手势识别结果；基于超图神经网络的空间特征提取模块、时序特征提取模块和时空特征融合分类模块，采用交叉熵损失函数来约束网络训练，可以得到基于超图神经网络的动态手势识别模型。本发明利用超图神经网络有效挖掘手势数据的潜在高阶关联，实现更准确的动态手势识别。

本发明授权一种智能动态手势识别方法在权利要求书中公布了：1.一种智能动态手势识别方法，其特征在于，所述方法包括： 对基于LeapMotion获取的动态手势序列采取等间隔采样，提取帧数据，将每个动态手势序列的初始节点特征构造为张量形式，作为后续输入； 设计基于超图神经网络的空间特征提取模块，以学习动态手势序列的空间特征； 设计基于超图神经网络的时序特征提取模块，以学习动态手势序列的时序特征； 基于节点空间特征和节点时序特征，构建时空特征融合分类模块以有效融合节点的时空特征，获取最终手势识别结果； 基于超图神经网络的空间特征提取模块、时序特征提取模块和时空特征融合分类模块，采用交叉熵损失函数来约束网络训练，可以得到基于超图神经网络的动态手势识别模型； 载入训练所得的最佳模型，将需要测试的动态手势序列三维姿态信息作为输入，即可获得手势分类结果； 其中，所述空间特征提取模块为： 将初始节点特征与对应的空间位置编码向量相加，获取空间位置编码后的节点特征； 利用空间注意力学习节点的空间特征，将空间注意力中对应不同时间步长节点关联程度的空间注意力权重设置为0，通过空间注意力初步获取节点空间特征； 将每根手指的关节点组成一个超边，并将所采样的动态手势序列每一帧中的超边级联，构成超图关联矩阵，以建模手指空间结构的高阶相关性； 将空间注意力所提取的节点空间特征和超图关联矩阵作为超图卷积层的输入，利用超图卷积进一步提取手势序列空间特征，超图卷积层用公式表达如下： ； ； 其中，和分别表示边和顶点的度矩阵；是权重矩阵；是第层输入的节点空间特征；是训练过程中需要学习的参数；表示非线性激活函数； 其中，所述超图神经网络的时序特征提取模块为： 以初始节点特征作为输入，对初始节点特征进行时序位置编码操作，将初始节点特征与对应的时间位置嵌入向量相加，获取时间位置编码后的节点特征； 利用时间注意力学习节点的时序特征，将时间注意力中对应相同时间步长节点关联程度的时间注意力权重设置为0，以阻断空间域信息传递，通过时间注意力初步获取节点时序特征； 将时间注意力所提取的节点时序特征和超图关联矩阵作为超图卷积层的输入，利用超图卷积进一步提取动态手势序列时序特征，公式表达如下： ； ； 其中，为第层输入的节点时序特征。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。

以上内容由龙图腾AI智能生成。