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！

龙图腾网获悉山东大学申请的专利一种基于IMU面部手势识别的真无线耳机交互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：CN115793844B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202111065505.2，技术领域涉及：G06F3/01；该发明授权一种基于IMU面部手势识别的真无线耳机交互方法是由沈益冉;赵广荣设计研发完成，并于2021-09-10向国家知识产权局提交的专利申请。

本一种基于IMU面部手势识别的真无线耳机交互方法在说明书摘要公布了：本发明是一种基于IMU面部手势识别的真无线耳机交互方法。本发明通过训练域判别器，基于卷积神经网络的特征提取器和域判别器能够根据不同用户的脸部手势动作来区分不同用户身份；进行离线模型训练，得到一个用户独立的特征提取器和手势分类器；离线模型训练完成后，去掉用户判别器，将特征提取器和手势分类器部署至个人设备，进行模型迁移学习和实时手势识别。本发明在用户独立任务中达到了82.3％的准确率。用户独立任务是指在离线模型训练数据中不包括目标使用者的数据。此外，在使用少量目标用户数据进行模型微调后，能达到95％以上的手势识别准确率。

本发明授权一种基于IMU面部手势识别的真无线耳机交互方法在权利要求书中公布了：1.一种基于IMU面部手势识别的真无线耳机交互方法，其特征是：包括以下步骤： 步骤1：训练域判别器，基于卷积神经网络的特征提取器和域判别器能够根据不同用户的脸部手势动作来区分不同用户身份； 步骤2：进行离线模型训练，得到一个用户独立的特征提取器和手势分类器； 所述步骤2具体为： 步骤2.1：训练域判别器，网络输入：输入神经网络的数据矩阵M由三轴加速度计和三轴陀螺仪的6个独立时间序列组成，M＝{M1,M2...M6}；在输入至神经网络之前，为了去除重力加速度的影响和加快网络收敛，对数据矩阵M的每个轴分别进行归一化； 特征提取器：特征提取器C由三层一维卷积组成，卷积层的输出通道为依次为32，64，128，卷积核大小为3，步长为1；在每个卷积层后均增加批归一化层来加速网络收敛,并使用Relu作为激活函数；在卷积层之后添加最大池化层来降低网络复杂性并减轻过拟合现象；经过Flatten层，特征提取器输出2048维度的特征向量F,通过下式表示： F＝CM；θC1 其中C表示的是特征提取器的输入映射关系，θC代表特征提取器的网络参数； 建立域判别器，域判别器D由两个全连接层构成，节点分别为512和K，K代表参与训练的用户的数目；域判别器的输入为特征提取器提取的特征向量F，而输出通过下式表示为: Dp＝DF；θD2 其中，D是域判别器的输入输出的映射关系，Dp是网络的预测向量，θD是域判别器网络参数；真实用户标签Dt被转换为独热码，使用交叉熵来估计预测向量和真实用户标签的损失： 其中，N是一个批次训练的样本数，网络的训练目标是最小化域损失采样Adam优化器来更新参数；经过训练，基于卷积神经网络的特征提取器和域判别器能够根据不同用户的脸部手势动作来区分不同用户身份； 步骤2.2：训练手势分类器，手势分类是由两个全连接层构成的，节点数分别为512和I，I＝7,代表7种手势；当网络训练时，域判别器的参数被固定，优化器只更新特征提取器和手势分类器的参数；网络训练的目标是最大化手势分类的精度同时混淆域判别器的判别结果，域判别器的输出最终趋于一个均匀分布U＝{1M,1M…,1M}；使用均方根误差来计算域判别器的输出Dp和期望的均匀分布U之间的损失值： 通过下式表示手势分类器的预测值为： Gp＝GF；θG5 其中，G代表的是手势分类器的输入输出映射关系，θG是手势分类器的网络参数；手势分类器的预测值Gp和真实手势标签Gt使用交叉损失熵来计算： 是以上用户判别损失和手势分类损失函数的结合： 网络的训练目标是最小化在抑制特定于域的特征的同时增强手势相关的特征；最终得到一个用户独立的特征提取器和手势分类器； 步骤3：离线模型训练完成后，去掉用户判别器，将特征提取器和手势分类器部署至个人设备，进行模型迁移学习和实时手势识别。

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山东大学，其通讯地址为：250100 山东省济南市山大南路27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”。