基于图像识别的人机猜拳方法、装置与存储介质制造方法及图纸

本发明专利技术提供了一种基于图像识别的人机猜拳方法、装置与存储介质，该方法包括：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，手势识别模型中的类别信息包括：剪子、石头、布、其他；向猜拳设备发送随机生成的手势信息，以控制猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；通过手势识别模型对待识别图像进行手势识别，以得到手势检测区域内的用户手势信息；根据预设的胜负规则，判断用户手势信息与猜拳设备对应的手势信息之间的优先级，得到猜拳结果。通过该方法能够提高手势识别准确性和效率，同时实现人与猜拳设备的猜拳，提高人机互动的新颖趣味性。

【技术实现步骤摘要】
基于图像识别的人机猜拳方法、装置与存储介质
本专利技术涉及人机交互
，具体涉及一种基于图像识别的人机猜拳方法、装置与计算机可读存储介质。
技术介绍
人机交互的发展过程就是从人适应计算机到计算机逐步适应人的过程,人机交互的发展经历了早期的手工操作阶段、作业控制语言及交互命令语言阶段、图形用户界面(GUI)阶段、网络用户界面阶段、多通道与多媒体智能人机交互阶段。手作为身体上最灵活的部位，是最早用来进行人与人之间肢体交流的工具。动态手势识别是人机交互领域中的重要研究课题，具有重要的理论研究意义以及广泛的应用前景。石头剪子布，是一种猜拳游戏。起源于中国，随着国家贸易的不断发展，先后传到日本、朝鲜、欧洲等地。其游戏规则简单明了，没有漏洞可钻，单次玩法比拼运气，多回合玩法比拼心理博弈，深受人民喜爱。随着科技的不断发展，社会变化日新月异，猜拳游戏逐步由传统的手工竞猜演变成人机对决，参与人数也不再局限于两人或以上。市面的电子猜拳产品，互动媒介主要依靠游戏终端显示屏，用户与终端同时出拳，终端识别用户手势，得出胜负平结果，完成一次猜拳。根据调查研究，上述产品普遍存在以下不足：1)手势识别主要根据手指的位置和数量得出手型的轮廓特征，该技术识别效率低、计算量大，不适合实时手势识别应用。2)游戏的出拳和结果皆由终端显示屏实现，互动虚拟、呆板，缺乏生动形象，无法模拟传统手工竞猜的游戏乐趣。
技术实现思路
基于此，本专利技术提供了一种基于图像识别的人机猜拳方法、装置与存储介质，能够提高手势识别准确性和效率，同时提高人机互动的新颖趣味性。本专利技术实施例提供了一种基于图像识别的人机猜拳方法，包括：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；向猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息；根据预设的胜负规则，判断所述用户手势信息与所述猜拳设备对应的手势信息之间的优先级，得到猜拳结果。优选地，所述基于图像识别的人机猜拳方法还包括：对所述摄像头抓拍到的目标区域内对应的视频图像进行人脸识别，以判断所述目标区域内是否有人；当判断所述目标区域内有人时，检测位于所述目标区域内的所述手势检测区域是否摆放手；若否，则向语音设备发送语音信息，以向用户播放语音提示；若是，则确定进入猜拳游戏。优选地，所述采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型，具体包括：根据预先采集的手势图像，获取训练图像样本和测试图像样本；采用卷积神经网络算法对所述训练图像样本进行训练，构建所述手势识别模型；将所述测试图像样本输入到所述手势识别模型，得到手势测试结果；其中，所述手势测试结果为所述手势识别模型中损失函数输出的结果；根据所述手势测试结果，判断所述手势识别模型的识别准确率是否达到预设阈值；若否，则调整所述手势识别模型中的类别信息并重新训练所述训练图像样本；若是，确定所述手势识别模型构建完成。优选地，所述根据预先采集的手势图像，获取训练图像样本和测试图像样本之前还包括：按照设定的帧数从预先抓拍的手势视频中提取若干张手势图像；采用加权平均算法对所述手势图像进行灰度处理。优选地，所述预设阈值为80％。优选地，所述预设的胜负规则为布>石头>剪子>布。优选地，所述通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息之后还包括：当所述用户手势信息为其他时，向显示设备发送用户手势无法识别信息，以使得所述显示设备显示所述用户手势无法识别信息；当所述用户手势信息为剪子、石头或布时，确定对所述用户手势和所述猜拳设备对应的手势信息进行胜负判断。优选地，所述基于图像识别的人机猜拳方法还包括：当确定进入猜拳游戏后，在达到第一设定时间时，向所述猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作。本专利技术实施例还提供了一种基于图像识别的人机猜拳装置，包括：手势识别模型构建模块，用于采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；手势控制模块，用于向猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；用户手势信息获取模块，用户通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息；胜负判断模块，用于根据预设的胜负规则，判断所述用户手势信息与所述猜拳设备对应的手势信息之间的优先级，得到猜拳结果。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的基于图像识别的人机猜拳方法。相对于现有技术，本专利技术实施例提供的一种基于图像识别的人机猜拳方法的有益效果在于：所述基于图像识别的人机猜拳方法包括：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；向猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息；根据预设的胜负规则，判断所述用户手势信息与所述猜拳设备对应的手势信息之间的优先级，得到猜拳结果。通过上述基于图像识别的人机猜拳方法，能够提高手势识别准确性和效率，同时实现人与猜拳设备的猜拳，提高人机互动的新颖趣味性。附图说明图1是本专利技术实施例提供的一种基于图像识别的人机猜拳方法的流程图；图2是本专利技术实施例提供的一种基于图像识别的人机猜拳装置的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，其是本专利技术实施例提供的一种基于图像识别的人机猜拳方法的流程图。所述基于图像识别的人机猜拳方法，包括：S100：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；卷积神经网络算法，是对存储在数据库中大量图像样本，交替进行卷积和池化操作，逐渐提取图像的高层特征，对特征进行分类，完成识别功能。所述高层特征，是从大样本数据中学习，能应对一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的检测效果，降低了模型的复杂度。根据系统预先设置的类别信息，即“剪子、石头、布、其他”四个类别，把手势图像对应各个类别进行分类。通过卷积神经网络算法，对手势图像进行特征提取、反复识别训练，将提取的特征向量对应各个类本文档来自技高网...

【技术保护点】
1.一种基于图像识别的人机猜拳方法，其特征在于，包括：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；向猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息；根据预设的胜负规则，判断所述用户手势信息与所述猜拳设备对应的手势信息之间的优先级，得到猜拳结果。

【技术特征摘要】
1.一种基于图像识别的人机猜拳方法，其特征在于，包括：采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型；其中，所述手势识别模型中的类别信息包括：剪子、石头、布、其他；向猜拳设备发送随机生成的手势信息，以控制所述猜拳设备进行相应的手势操作，并同时启动摄像头对手势检测区域进行抓拍，以得到待识别图像；通过所述手势识别模型对所述待识别图像进行手势识别，以得到所述手势检测区域内的用户手势信息；根据预设的胜负规则，判断所述用户手势信息与所述猜拳设备对应的手势信息之间的优先级，得到猜拳结果。2.如权利要求1所述的基于图像识别的人机猜拳方法，其特征在于，所述基于图像识别的人机猜拳方法还包括：对所述摄像头抓拍到的目标区域内对应的视频图像进行人脸识别，以判断所述目标区域内是否有人；当判断所述目标区域内有人时，检测位于所述目标区域内的所述手势检测区域是否摆放手；若否，则向语音设备发送语音信息，以向用户播放语音提示；若是，则确定进入猜拳游戏。3.如权利要求1所述的基于图像识别的人机猜拳方法，其特征在于，所述采用卷积神经网络算法对预先采集的手势图像进行训练，构建手势识别模型，具体包括：根据预先采集的手势图像，获取训练图像样本和测试图像样本；采用卷积神经网络算法对所述训练图像样本进行训练，构建所述手势识别模型；将所述测试图像样本输入到所述手势识别模型，得到手势测试结果；其中，所述手势测试结果为所述手势识别模型中损失函数输出的结果；根据所述手势测试结果，判断所述手势识别模型的识别准确率是否达到预设阈值；若否，则调整所述手势识别模型中的类别信息并重新训练所述训练图像样本；若是，确定所述手势识别模型构建完成。4.如权利要求3所述的基于图像识别的人机猜拳方法，其特征在于，所述根据预先采集的手势图像，获取训练图像样本和测试图像样本之前还包括：按照设定的帧数从预先抓拍的手势视频中提取若干张手势图像；采用加权平均算法对所述手势图像进...

【专利技术属性】
技术研发人员：邓立邦，
申请(专利权)人：广东数相智能科技有限公司，
类型：发明
国别省市：广东,44