本发明提供一种手势误识特征矩阵特征发现方法，假设被卷积神经网络识别正确的m张食指手势图片构成集合A，被卷积神经网络识别错误的n张食指手势图片构成集合B，利用Python接口提取第7层全连接层的特征值，并保存到矩阵V，输入任意两张图i和j，其中i∈A，j∈B，计算误识特征矩阵Qi的步骤如下：a.分别提取i，j在第7层全连接层特征值，并保存到矩阵V中；b.分别计算i，j输入到Softmax函数的Zi, Zj上的值；c.对数据从小到大排列，并曲线描述Zi, Zj的变化趋势，找出变化剧烈的特征以及对应原来的维数，并将维数构成集合C；d.从C1开始遍历，一直到C4096结束循环，统计每一维的频数以及频率；e.频率大于90％维保存到矩阵Q；f.结束。本发明能够有效提取误识特征矩阵。
