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！

龙图腾网获悉杭州电子科技大学申请的专利基于3D手势序列解析的手部动作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：CN115909494B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211448444.2，技术领域涉及：G06V40/20；该发明授权基于3D手势序列解析的手部动作识别方法是由李仕;卢俊阳;王航宁;王毅刚设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于3D手势序列解析的手部动作识别方法在说明书摘要公布了：本发明公开了基于3D手势序列解析的手部动作识别方法，针对手部动作的3D骨骼动作序列，按帧提取手部关节点的速度、角度和相对位置信息，计算各骨骼关节点的联合速率，将联合速率波形图的极小值位置作为手势动作分割点，得到多个动作帧序列，然后按帧对手指状态进行匹配、编码，得到手势动作对应的编码结果。再加入位姿信息后，将多个手势动作组合成一个动作矩阵，根据动作矩阵完成手部动作的匹配。本发明利用联合速率替代定长时间窗的分割方法，可以保证分割结果包含完整的手势动作，符合实际情况。针对每个手势动作，按帧进行匹配、编码，可以有效去除干扰帧或无效信息帧，降低了匹配难度和搜索时间，提高了识别准确度。

本发明授权基于3D手势序列解析的手部动作识别方法在权利要求书中公布了：1.基于3D手势序列解析的手部动作识别方法，其特征在于：具体包括以下步骤： 步骤一、建立匹配模板库 s1.1、采集执行一个手部动作过程中的3D骨骼动作序列，按帧提取该序列中手部骨骼关节点的角度、速度以及相对位置； s1.2、将s1.1得到的3D骨骼动作序列按照手势动作进行划分，去掉空白帧和干扰帧后，得到多个动作帧序列； s1.3定义一个5位的字符串，字符串中的每一位对应一根手指的状态，根据手指的弯曲程度、手指与手掌的相对位置以及不同手指间相对位置，对每根手指进行状态赋值，得到由5位字符组成的动作帧编码，存入动作帧库； s1.4、将s1.3中对动作帧的编码X按照时序进行拼接，若相邻两帧的编码结果相同则作合并处理，得到一个动作帧序列对应的编码结果α，存入手势动作库； s1.5、为每个手势动作的编码结果添加位姿信息U、V，得到手势动作对应的序列码；其中U代表掌心所在平面的法向量的坐标xu,yu,zu，V代表掌心与中指掌指关节的连线方向向量的坐标xv,yv,zv；然后将多个手势动作的序列码按照时序放入一个矩阵中，并用0补齐，使矩阵的大小为k*k，存入手部动作库； s1.6、重复步骤s1.1～s1.5，采集不同手部动作的3D骨骼动作序列，补充动作帧库、手势动作库和手部动作库的数据，完成匹配模板库的建立； 步骤二、手部动作识别 s2.1、采集待识别手部动作的3D骨骼动作序列T，按帧提取该序列中手部骨骼关节点在3D空间的角度、速度以及相对位置，并计算所有手部骨骼关节点不同时刻下的联合速率fv： n表示手部骨骼关节点的数量，vix、viy、viz分别表示第i个关节点在x轴、y轴、z轴方向的速率，wi表示第i个关节点的权重； s2.2、将联合速率达到极小值或小于阈值的位置作为分割点，将3D骨骼动作序列T分割为多个动作帧序列； s2.3、对每一个动作帧序列，按帧与动作帧库中存储的模板进行匹配，计算相似度；当相似度小于阈值时，将该帧视为干扰帧，作丢弃处理；否则，选择库中相似度最高的动作帧对应的编码作为该帧的编码； s2.4、将每帧的编码按照时序拼接，如果一个动作帧序列相邻两帧的编码相同，则作合并处理，得到一个动作帧序列的编码结果；将编码结果与手势动作库中存储的模板进行匹配，识别手势动作； s2.5、为s2.4中得到的每个手势动作的编码结果添加位姿信息U、V，得到手势动作对应的序列码；然后将多个手势动作的序列码按照时序放入一个大小为k*k的矩阵中，对于序列码长度小于k的手势动作或者手势动作数量少于k的手部动作，用0补齐，得到待估计手部动作的动作矩阵ω，将其与手部动作库中存储的模板进行匹配，完成手部动作的识别。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。