手势识别方法及装置制造方法及图纸

本申请提供了手势识别方法及装置，涉及教育教学技术领域，其中，该手势识别方法包括：首先，将用户手势进行划分，之后，为划分后的用户手势提取对应的特征向量进行分类，并且，运用预先设定的模板计算分类后的用户手势在网格中与标准模板手势的路径距离，最后，当路径距离小于预先设定的阈值时，将用户手势识别为模板中的手势，通过上述操作能够在预先设定的阈值范围内对用户手势进行有效识别，从而实现了在教学过程中对用户手势的准确识别。

【技术实现步骤摘要】
手势识别方法及装置
本专利技术涉及教育教学
，尤其涉及手势识别方法及装置。
技术介绍
与身体的其它部位相比，手是最有效的人机交互工具。手势具有自然、直观和非接触的特点，因此，在人机交互领域有着广泛的应用。随着3D摄像头的问世以及3D摄像头识别精度的不断提高，手势在人机交互的应用研究中越来越受到重视。基于深度图像信息的手势识别技术通过获取手部的相关信息，并运用几何方法提取手势特征并分类，从而实现复杂环境下基于手势的人机交互。在当今的多媒体教学中，教师需要通过鼠标和键盘来控制多媒体设备以辅助课堂教学，这种情况下，教师被束缚在讲桌前，因此，不能更好的与学生进行互动，这样，教师在课堂教学中不能灵活发挥作用，课堂教学也很无趣。在实际的课堂教学中，很多教学手势中并没有大幅度的肢体动作，而是一些精确到手指的动作，因此，对课堂教学的动作识别主要是手指的识别。目前，主要是使用3D摄像头来提取教学动作中的三维关节点信息。现有的3D摄像头主要有2类，一类是近景摄像头，一类是远景摄像头。3D摄像头能提供手部22个关节点信息，包括二维、三维坐标、关节旋转角度和速度等，而且，精度高。而RealSenseS本文档来自技高网...

【技术保护点】
手势识别方法，其特征在于，包括：将用户手势进行划分；为划分后的所述用户手势提取对应的特征向量；运用预先设定的模板计算分类后的所述用户手势在网格中与标准模板手势的路径距离；当所述路径距离小于预先设定的阈值时，将所述用户手势识别为所述模板中的手势。

【技术特征摘要】
1.手势识别方法，其特征在于，包括：将用户手势进行划分；为划分后的所述用户手势提取对应的特征向量；运用预先设定的模板计算分类后的所述用户手势在网格中与标准模板手势的路径距离；当所述路径距离小于预先设定的阈值时，将所述用户手势识别为所述模板中的手势。2.根据权利要求1所述的手势识别方法，其特征在于，所述将用户手势进行划分还包括：将用户手势分为挥手类手势和非挥手类手势。3.根据权利要求2所述的手势识别方法，其特征在于，为划分后的所述用户手势提取对应的特征向量进行分类包括：预先为所述挥手类手势和所述非挥手类手势分别定义挥手类特征向量和非挥手类特征向量；为所述挥手类手势和所述非挥手类手势分别选择对应的特征向量；用DTW算法对提取完特征向量的所述挥手类手势和所述非挥手类手势均进行分类。4.根据权利要求3所述的手势识别方法，其特征在于，所述方法还包括：增加手掌关节点的水平位移和垂直位移，H1、V1分别表示手掌关节点的水平位移和垂直位移；计算手掌关节点水平位移和垂直位移的相对变化T1＝H1/V1；根据第i帧拇指关节点的三维坐标Pi计算拇指关节点的运动轨迹T9，T9＝{P1-P0,P2-P1,...,Pn-1-Pn-2,Pn-Pn-1}。5.根据权利要求4所述的手势识别方法，其特征在于，所述方法还包括：所述挥手类手势对应的预先设定的阈值范围为0.55-0.7；所述非挥手类手势对应的预先设定的阈值范围为15-20。6.手势识别装置，其特征在于，包括：手势划分模块，用于将用户手势进行划分；特征提取模块，用于为划分后的所述用户...

【专利技术属性】
技术研发人员：何秀玲，陈增照，吴珂，李洋洋，张超，王聪，冯晓超，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42