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！

龙图腾网获悉长春理工大学申请的专利一种基于Leap motion结合BPN神经网络的三维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：CN115512432B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202110629446.0，技术领域涉及：G06V40/20；该发明授权一种基于Leap motion结合BPN神经网络的三维手势识别方法是由许红梅;袁莉欣;张子彧;刘旭唯;李晶鑫;崔灏渤设计研发完成，并于2021-06-07向国家知识产权局提交的专利申请。

本一种基于Leap motion结合BPN神经网络的三维手势识别方法在说明书摘要公布了：本发明描述了一种基于Leapmotion体感传感器，结合BPN神经网络，对三维手势信息进行处理，最终识别出手势的方法。整个过程包含3个阶段，即用户指定特殊手势图像采集阶段、对作为BPN神经网络输入的三维手势信息进行降维操作阶段、BPN神经网络实现手势识别阶段。先由用户自定义一组动态多帧的手势识别集合，绑定名称标签。从驱动层保存得到的这些信息要进行长样本的切割，取舍，降维操作。再将其作为BPN神经网络的输入，进行网络训练使其达到收敛，从而实现在线识别各种手势的最终目标。本发明可对用户定义的三维手势动作进行高精度高速率的识别检测，并实时输出打印所识别的动作名称，亦能保证网络训练和识别的同步进行。对聋哑人与常人交流有重要意义。

本发明授权一种基于Leap motion结合BPN神经网络的三维手势识别方法在权利要求书中公布了：1.一种基于Leapmotion结合BPN神经网络的三维手势识别方法，其特征在于，所述手势识别方法包括以下阶段： 阶段1：用户指定特殊手势图像采集 由用户提供一组手势，将这组手势作为标准手势，采集该组手势信息，记为标准组；根据标准组手势含义，构建其对应的名称标签；由原始样本构建训练样本，将原始样本作为训练样本的输入来源，对它进行扰动处理操作且对原始样本进行切割分成若干短样本，记为训练样本组，以达到鲁棒性增强、样本多样化的目的； 阶段2：对作为BPN神经网络输入的三维骨骼信息进行降维操作 从Leapmotion驱动中提取到的手部实时三维骨骼信息为一组多帧动态多维度信息，每一帧包含x、y、z三轴信息，再加上时间轴，构成四维数据，该步骤将以上所得四维数据降至一维，将其作为BPN神经网络的输入向量； 阶段3：BPN神经网络实现手势识别 设计BPN神经网络初步结构模型，用阶段2降维后样本数据进行训练并测试调整BPN神经网络模型，迭代训练BPN神经网络，最终输出训练好的权重文件，紧接着由系统加载该权重文件，对Leapmotion传感器传入的三维骨骼信息进行实时识别，并快速打印识别结果； 所述阶段2中具体的降维操作方法如下： 短样本中包含多帧数据，每帧数据类型包括有手掌法向量、手掌速度、手型角度、每个手指到掌心的距离、每个手指方向坐标，依次分别计算这5种数据的平均值与标准差，平均值用来衡量短样本所有帧的大概率位点，标准差用来衡量短样本所有帧动态信息的波动情况即变化的手势动作；手掌法向量，计算短样本所有帧的手掌法向量的均值和标准差，得到2个向量，含6个分量分别为x、y、z三个坐标轴各两个；手掌速度，计算短样本所有帧的手掌速度的均值和标准差，得到2个向量，含6个分量；手型角度，这个参数是拇指和4指的夹角，计算短样本所有帧的手型角度的均值和标准差，得到2个标量，含2个分量；每个手指离掌心的距离，计算短样本所有帧的均值和标准差，每个手指得到2个分量；每个手指方向坐标，计算短样本所有帧的手指方向的均值和标准差，每个手指得到2个向量，含6个分量；经过如上操作将复杂的多帧三维空间数据加一维时间数据的多重数据降至多帧一维数据，成功满足BPN神经网络的输入格式要求。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7089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”。