買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜華南理工大學(xué)申請(qǐng)的專(zhuān)利一種虛擬電梯按鍵方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115494939B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210930685.4，技術(shù)領(lǐng)域涉及：G06F3/01；該發(fā)明授權(quán)一種虛擬電梯按鍵方法是由張?chǎng)?牟沖;林宏輝;石東子設(shè)計(jì)研發(fā)完成，并于2022-08-04向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種虛擬電梯按鍵方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種虛擬電梯按鍵方法，該方法包括：圖像獲取步驟，通過(guò)攝像頭獲取用戶(hù)圖像；指尖檢測(cè)步驟，實(shí)時(shí)獲取用戶(hù)圖像中手部選框及指尖坐標(biāo)，進(jìn)而實(shí)現(xiàn)用戶(hù)指尖定位及追蹤；手勢(shì)識(shí)別步驟，對(duì)用戶(hù)指尖依次識(shí)別鼠標(biāo)、按鍵和結(jié)束三種交互手勢(shì)，進(jìn)而形成電梯控制指令；電梯操控步驟，根據(jù)電梯控制指令實(shí)現(xiàn)非接觸性的按鍵操控指令。本發(fā)明通過(guò)圖像獲取步驟、指尖檢測(cè)步驟、手勢(shì)識(shí)別步驟與電梯操控步驟，實(shí)現(xiàn)電梯的非接觸性的按鍵操作，精煉電梯操控模型，提升電梯運(yùn)作速度及利用率，進(jìn)而優(yōu)化電梯按鍵可操控性及靈活性，可以有效節(jié)省用戶(hù)時(shí)間，提高用戶(hù)體驗(yàn)感和舒適度。

本發(fā)明授權(quán)一種虛擬電梯按鍵方法在權(quán)利要求書(shū)中公布了：1.一種虛擬電梯按鍵方法，其特征在于，所述虛擬電梯按鍵方法包括：圖像獲取步驟，通過(guò)攝像頭獲取用戶(hù)圖像；指尖檢測(cè)步驟，通過(guò)雙級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)獲取場(chǎng)景圖片中手部選框及指尖坐標(biāo)，并且進(jìn)行用戶(hù)指尖定位及追蹤，同時(shí)，通過(guò)顯示器實(shí)時(shí)顯示指尖位置以及虛擬按鍵；其中，所述雙級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)包括級(jí)聯(lián)的手部檢測(cè)網(wǎng)絡(luò)及多指尖檢測(cè)網(wǎng)絡(luò)，所述手部檢測(cè)網(wǎng)絡(luò)用于定位場(chǎng)景圖片中用戶(hù)手部區(qū)域的邊界框，歸一化輸出邊界框的左上角及右下角坐標(biāo)；所述多指尖檢測(cè)網(wǎng)絡(luò)通過(guò)對(duì)定位得到的手部區(qū)域進(jìn)行圖像處理、特征提取以及坐標(biāo)回歸，定位及追蹤用戶(hù)指尖；手勢(shì)識(shí)別步驟，對(duì)用戶(hù)指尖依次識(shí)別鼠標(biāo)、按鍵和結(jié)束三種交互手勢(shì)，進(jìn)而形成電梯控制指令；電梯操控步驟，根據(jù)電梯控制指令實(shí)現(xiàn)非接觸性的按鍵操作；其中，所述手部檢測(cè)網(wǎng)絡(luò)的工作過(guò)程如下：采用Ego-Gesture數(shù)據(jù)集中各類(lèi)手勢(shì)圖片作為輸入，利用卷積神經(jīng)網(wǎng)絡(luò)作為特征提取器以生成手部特征圖，Ego-Gesture數(shù)據(jù)集包含第一視角、復(fù)雜環(huán)境下的各類(lèi)手勢(shì)圖片；利用全連接層作為回歸器利用手部特征圖中要素回歸定位手部區(qū)域的邊界框的左上角和右下角坐標(biāo)；所述手部檢測(cè)網(wǎng)絡(luò)采用梯度反向傳播方式進(jìn)行模型訓(xùn)練，訓(xùn)練過(guò)程中的第一總損失函數(shù)包括第一坐標(biāo)回歸損失函數(shù)、第一置信度損失函數(shù)和類(lèi)別損失函數(shù)，其中，所述坐標(biāo)回歸損失函數(shù)，如公式1所示： 式中，xi、yi、wi、hi分別為同一批次訓(xùn)練的圖像得到的第i個(gè)邊界框左上角的橫坐標(biāo)、縱坐標(biāo)、邊界框的長(zhǎng)度、寬度的真值；分別為對(duì)應(yīng)的第i個(gè)邊界框左上角的橫坐標(biāo)、縱坐標(biāo)、目標(biāo)框的長(zhǎng)度、寬度的預(yù)測(cè)值；λ和α是用于平衡兩部分損失的量級(jí)和收斂速度的第一、第二常系數(shù)；其中，所述第一置信度損失函數(shù)，如公式2所示： 式中，ci為同一批次訓(xùn)練的圖像得到的第i個(gè)正樣本框的置信度真值，為對(duì)應(yīng)的第i個(gè)正樣本框的置信度預(yù)測(cè)值；cj為同一批次訓(xùn)練的圖像得到的第j個(gè)背景框的置信度真值，為對(duì)應(yīng)的第j個(gè)背景框的置信度預(yù)測(cè)值；其中，所述類(lèi)別損失函數(shù)，如公式3所示： 式中，fi為同一批次訓(xùn)練的第i張圖像類(lèi)別預(yù)測(cè)的真值，為雙級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)輸出對(duì)應(yīng)的第i張圖像類(lèi)別的預(yù)測(cè)值；其中，所述多指尖檢測(cè)網(wǎng)絡(luò)的工作過(guò)程如下：對(duì)所述手部檢測(cè)網(wǎng)絡(luò)檢測(cè)到的邊界框中手部區(qū)域圖像進(jìn)行尺度變換；利用卷積神經(jīng)網(wǎng)絡(luò)作為特征提取器以生成多關(guān)鍵點(diǎn)手部特征圖；利用多分枝的全連接層作為回歸器完成指尖定位任務(wù)和指尖置信度預(yù)測(cè)任務(wù)，將所述多關(guān)鍵點(diǎn)手部特征圖作為輸入，通過(guò)指尖定位任務(wù)預(yù)測(cè)指尖的位置，通過(guò)指尖置信度預(yù)測(cè)任務(wù)預(yù)測(cè)這個(gè)指尖存在的概率；所述多指尖檢測(cè)網(wǎng)絡(luò)訓(xùn)練過(guò)程中的第二總損失函數(shù)包括第二坐標(biāo)回歸損失函數(shù)、第二置信度損失函數(shù)，其中，所述第二坐標(biāo)回歸損失函數(shù)，如公式4所示： 其中，b為同一批訓(xùn)練數(shù)據(jù)的樣本數(shù)量，pi和qi為第i個(gè)手部區(qū)域定位的指尖坐標(biāo)的真值，和為第i個(gè)手部區(qū)域定位的指尖坐標(biāo)的預(yù)測(cè)值；其中，所述第二置信度損失函數(shù)，如公式5所示： 其中，ui為第i個(gè)手部區(qū)域定位的指尖置信度的真值，為第i個(gè)手部區(qū)域定位的指尖置信度的預(yù)測(cè)值；第二總損失函數(shù)如公式6所示：Loss＝ξ·lossp+β·lossu6其中，ξ和β是用于平衡兩個(gè)分支在優(yōu)化過(guò)程中對(duì)于損失的貢獻(xiàn)的第一、第二模型超參數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人華南理工大學(xué)，其通訊地址為：510640 廣東省廣州市天河區(qū)五山路381號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。