电子设备及其手势识别方法技术

一种手势识别方法，应用于电子设备，所述手势识别方法包括以下步骤：获取包含一手部且具有深度信息的影像；过滤所述影像中所包含的静态物件；获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块；获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数；根据所述统计结果获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块；及获取所述手部在所述第二区块的移动轨迹并根据所述移动轨迹来识别所述手部的手势。本发明专利技术还提供一种电子设置。上述电子设备及其手势识别方法，实现精准建立手势侦测区域，提高手势操作电子设备的准确性，增强用户使用体验。

【技术实现步骤摘要】
电子设备及其手势识别方法
本专利技术涉及电子通信
，尤其涉及一种电子设备及其手势识别方法。
技术介绍
目前的影像识别技术可以识别影像中的手势及当前手势位置在何处，但是侦测到的区块通常包含的对象不只有手势，常涵盖其他非手的对象，例如墙壁、家具、头部、躯干等等，此时获得的手势深度信息可能存在误差。这些误差将导致无法建立精准的手势侦测区域，如此一来会造成用户利用手势操作装置的不准确，降低用户使用体验。
技术实现思路
有鉴于此，有必要提供一种手势识别方法及运用该手势识别方法的电子设备，其能实现精准建立手势侦测区域。本专利技术一实施方式提供一种手势识别方法，应用于电子设备，所述手势识别方法包括以下步骤：获取包含一手部且具有深度信息的影像；过滤所述影像中所包含的静态物件；获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块；获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数；根据所述统计结果获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块；及获取所述手部在所述第二区块的移动轨迹并根据所述移动轨迹来识别所述手部的手势。本专利技术一实施方式提供一种电子设备，存储器；至少一个处理器；及一个或多个模块，所述一个或多个模块存储在所述存储器中，并由所述至少一个处理器执行，所述一个或多个模块包括：影像获取模块，用于获取包含一手部且具有深度信息的影像；第一过滤模块，用于过滤所述影像中所包含的静态物件；第一建立模块，用于获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块；统计模块，用于获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数；第二建立模块，用于根据所述统计模块的统计结果来获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块；及识别模块，获取所述手部在所述第二区块的移动轨迹并根据所述移动轨迹来识别所述手部的手势。与现有技术相比，上述电子设备及其手势识别方法，能够在获取手部的深度信息时过滤掉非手部的物件，使得获取的手部深度信息误差小，实现精准建立手势侦测区域，可提高手势操作电子设备的准确性，增强用户使用体验。附图说明图1是本专利技术一实施方式的电子设备的功能模块图。图2是本专利技术一实施方式的手势识别系统的功能模块图。图3是本专利技术一实施方式的第一建立模块建立的第一区块的示意图。图4是本专利技术一实施方式的用于统计不同深度值所包含的像素点个数的直方图。图5是本专利技术一实施方式的第二建立模块建立的第二区块的示意图。图6是本专利技术一实施方式的手势识别方法的步骤流程图。主要元件符号说明如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式请参阅图1，在一实施方式中，一种电子设备100包括手势识别系统1、处理器2及存储器3。上述各个元件之间电气连接。电子设备100可以是电视、手机、平板电脑等设备。手势识别系统1用于实时检测并识别一手部20的手势，进而实现通过手势来控制电子设备100。存储器3可以用于存储电子设备100的各种资料，例如存储手势识别系统1的程序化代码。手势识别系统1包括一个或多个模块，所述一个或多个模块存储在存储器3中并由处理器2执行，以完成本专利技术提供的功能。请同时参阅图2-5，手势识别系统1包括影像获取模块11、第一过滤模块12、第一建立模块13、统计模块14、第二建立模块15及识别模块16。本专利技术所称的模块可以是完成一特定功能的程序段。影像获取模块11用于获取包含一手部20且具有深度信息的影像。举例而言，影像获取模块11可以启动深度摄像头4来取得包含手部20的RGB影像及该RGB影像中每一物件的深度信息。RGB影像中每一帧画面中的每一像素点可以用一位于XY坐标系统的坐标来表示，深度信息可以用Z坐标进行表示，进而可以通过三维坐标来表示每一像素点。第一过滤模块12用于过滤影像获取模块11获取的影像中所包含的静态物件。在一实施方式中，第一过滤模块12可以将影像获取模块11获取的影像送入高斯混合模型(GaussianMixtureModel，GMM)，进而通过GMM来过滤掉影像中的静态物件(拍摄时的背景物，例如墙壁、座椅等)，从而来保留影像中的动态物件(例如人的头部、手部、身躯等)。第一建立模块13用于获取手部20在影像中的坐标，并依据获取的坐标建立包含手部20的第一区块200。在一实施方式中，第一建立模块13可以通过深度学习算法从经过GMM过滤后的影像中查找到手部20的坐标。具体地，第一建立模块13可以通过深度学习算法来学习并建立手部20的特征值，并利用手部20的特征值从经过GMM过滤后的影像中查找到手部20的坐标，在根据手部20的坐标建立包含手部20的第一区块200(如图3所示)。第一区块200中手部20的面积的占比优选大于一预设比值，避免由于占比太小而导致识别速度低下。预设比值可以根据实际的识别精度需求进行调整。在本实施方式中，预设比值为40％，即第一区块200中手部20的面积的占比优选大于40％。在第一区块200中，每一像素点同样具有相对应的XY坐标及深度信息(Z坐标)。统计模块14用于获取第一区块200中每一像素点的深度信息并统计每一深度信息的像素点个数。由于每一像素点具有相对应的XY坐标及深度信息，统计模块14可以直接通过每一像素点的XY坐标来查询每一像素点的深度信息。进一步地，统计模块14可以利用直方图来统计不同深度值所包含的像素点个数。举例而言，如图4所述，第一区块200为5(行)*5(列)的区块，第一区块200包括25个像素点，每个像素点均具有一深度值，深度值的范围为0～255。在图4中，直方图的X坐标为0～255的数值(深度值)，Y坐标为像素点个数，利用直方图可以统计得出深度值为50的像素点个数为10个，深度值为90的像素点个数为12个，深度值为240的像素点个数为2个，深度值为8的像素点个数为1个。第二建立模块15用于根据统计模块14的统计结果来获取手部20的深度信息，并利用手部20的深度信息建立一第二区块300。在一实施方式中，深度信息小于预设深度值的像素点可以被视为杂讯，第二建立模块15可以先将第一区块200中深度信息小于预设深度值的像素点过滤掉。预设深度值可以根据实际的识别精度需求进行调整，在本实施方式中，预设深度值可以是10。即第二建立模块15将第一区块200中深度信息小于10的像素点过滤掉，进而图4中深度值为8的像素点被过滤，剩余深度值为50、90、240的像素点。第二建立模块15从直方图中提取出两组包含像素点个数最多的深度信息并从中选择深度值较低的一组深度信息作为手部20的深度信息。例如，在图4中，深度值为50与90的像素点个数最多(深度值为50的像素点个数为10个，深度值为90的像素点个数为12个)，且深度值50属于深度值相对较低的一组(50<90)，因此，第二建立模块15选择深度值50作为手部20所在位置的深度信息。在一实施方式中，第二建立模块15还用于在获得手部20的深度信息后过滤掉其他物件(例如头部、身躯等)，进而只保留手部20。具体地，第二建立模块15可以根据手部20的深度信息建立一深度信息区间，并过滤第一区块200中不在所述深度信息区间内的像素点，以建立包含手部20的区块平本文档来自技高网...

【技术保护点】
1.一种手势识别方法，应用于电子设备，其特征在于，所述手势识别方法包括以下步骤：获取包含一手部且具有深度信息的影像；过滤所述影像中所包含的静态物件；获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块；获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数；根据所述统计结果获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块；及获取所述手部在所述第二区块的移动轨迹并根据所述移动轨迹来识别所述手部的手势。

【技术特征摘要】
1.一种手势识别方法，应用于电子设备，其特征在于，所述手势识别方法包括以下步骤：获取包含一手部且具有深度信息的影像；过滤所述影像中所包含的静态物件；获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块；获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数；根据所述统计结果获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块；及获取所述手部在所述第二区块的移动轨迹并根据所述移动轨迹来识别所述手部的手势。2.如权利要求1所述的手势识别方法，其特征在于，所述获取包含一手部且具有深度信息的影像的步骤包括：获取包含一手部的RGB影像及所述RGB影像中每一物件的深度信息。3.如权利要求2所述的手势识别方法，其特征在于，所述过滤所述影像中所包含的静态物件的步骤包括：利用高斯混合模型过滤所述RGB影像中所包含的静态物件。4.如权利要求3所述的手势识别方法，其特征在于，所述获取所述手部在所述影像中的坐标，并依据所述坐标建立包含所述手部的第一区块的步骤包括：：利用深度学习算法建立所述手部的特征值；根据所述手部的特征值获取所述手部在所述影像中的坐标；及依据所述坐标建立包含所述手部的第一区块；其中，所述第一区块中手部的面积的占比大于一预设比值。5.如权利要求1所述的手势识别方法，其特征在于，所述获取所述第一区块中每一像素点的深度信息并统计每一深度信息的像素点个数的步骤包括：根据所述第一区块中每一像素点的坐标来提取每一像素点的深度信息；及利用直方图统计每一深度信息的像素点个数。6.如权利要求5所述的手势识别方法，其特征在于，所述根据所述统计结果获取所述手部的深度信息，并利用所述手部的深度信息建立一第二区块的步骤包括：过滤所述直方图中深度信息小于预设深度值的像素点；从所述直方图中提取出两组包含像素点个数最多的深度信息并从中选择深度值较低的一组深度信息作为所述手部的深度信息；及利用所述手部的深度信息建立所述第二区块。7.如权利要求6所述的手势识别方法，其特征在于，所述利用所述手部的深度信息建立所述第二区块的步骤包括：根据所述手部的深度信息建立一深度信息区间；过滤所述第一区块中不在所述深度信息区间内的物件，以建立包含所述手部的区块平面；根据所述区块平面...

【专利技术属性】
技术研发人员：杨荣浩，蔡东佐，庄志远，郭锦斌，
申请(专利权)人：富泰华工业深圳有限公司，鸿海精密工业股份有限公司，
类型：发明
国别省市：广东,44