手势识别方法、装置、终端及存储介质制造方法及图纸

本申请公开了一种手势识别方法、装置、终端及存储介质，属于终端技术领域。该方法包括：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号，基于该触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，该第一手势概率是指当前的手势为掀开手势的概率，该第二手势概率是指当前的手势为上划手势的概率，基于该第一手势概率和该第二手势概率，对当前的手势进行识别。也即是，本申请通过获取多个触摸点在滑动过程中的触摸信号，并基于该触摸信号，通过指定逻辑回归模型实现了对上划手势和掀开手势的区分和识别，以保证能够正确响应用户的手势操作。

Gesture recognition methods, devices, terminals and storage media

The present application discloses a gesture recognition method, a device, a terminal and a storage medium, which belongs to the field of terminal technology. The method includes: when the sliding operation triggered by multiple touch point detection to the designated area on the screen when the sliding track according to the touch signal acquisition, signal based on the touch, by specifying the logistic regression model to determine the first and second probability of gesture gesture probability, the first probability is the current gesture gestures for gesture open probability second, the probability of gesture is the current gesture for the probability of the first row of gestures, gestures and the probability of second probability based on gesture recognition of the gesture. That is, this application by acquiring multiple touch touch signal in the sliding process, and based on the touch signal, by specifying the logistic regression model to realize the draw gestures and opened gestures to distinguish and identify, to ensure the correct response to user gestures.

【技术实现步骤摘要】
手势识别方法、装置、终端及存储介质
本申请涉及终端
，特别涉及一种手势识别方法、装置、终端及存储介质。
技术介绍
目前，随着终端技术的快速发展，用户与终端之间的交互方式也变得越来越多样化。譬如，用户可以使用各种手势来操作终端，该手势主要分为静态手势和动态手势。该静态手势包括但不限于点击手势，该动态手势包括但不限于上划手势、掀开手势。其中，该上划手势是指利用手的任一部位从屏幕的下方向屏幕的上方滑动的手势，而该掀开手势通常是指利用手背的边缘区域沿着屏幕的一角向屏幕的对角线方向滑动的手势。
技术实现思路
本申请实施例提供了一种手势识别方法、装置、终端及存储介质，可以用于对上划和掀开两种手势进行区分和识别。所述技术方案如下：第一方面，提供了一种手势识别方法，所述方法包括：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号；基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率；基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。可选地，所述基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率之前，还包括：多次采集不同手势的触摸信号，得到多个样本数据，所述不同手势包括所述上划手势和所述掀开手势；基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型。可选地，所述预设训练模型包括损失函数模型和初始化逻辑回归模型；所述基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型，包括：将所述多个样本数据进行量化，得到样本量化向量；将所述样本量化向量输入至所述损失函数模型中，并采用梯度下降法通过确定所述损失函数模型的最小值来确定估计权重；将所述估计权重输入至所述初始化逻辑回归模型中，得到所述指定逻辑回归模型。可选地，所述基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别，包括：确定所述第一手势概率和所述第二手势概率中的最大手势概率；将当前的手势识别为所述最大手势概率对应的手势。可选地，所述触摸信号包括平均位置信息或位置差信息，所述平均位置信息是指所述滑动轨迹上所有位置信息的平均值，所述位置差信息是指所述滑动轨迹的初始位置与结束位置之间的位置变化量。第二方面，提供了一种手势识别装置，所述装置包括：获取模块，用于当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号；确定模块，用于基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率；识别模块，用于基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。可选地，所述装置还包括：采集模块，用于多次采集不同手势的触摸信号，得到多个样本数据，所述不同手势包括所述上划手势和所述掀开手势；训练模块，用于基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型。可选地，所述预设训练模型包括损失函数模型和初始化逻辑回归模型；所述训练模块用于：将所述多个样本数据进行量化，得到样本量化向量；将所述样本量化向量输入至所述损失函数模型中，并采用梯度下降法通过确定所述损失函数模型的最小值来确定估计权重；将所述估计权重输入至所述初始化逻辑回归模型中，得到所述指定逻辑回归模型。第三方面，一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器被配置为执行上述第一方面任一项所述的手势识别方法的步骤。第四方面，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中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面任一项所述的手势识别方法的步骤。本申请实施例提供的技术方案带来的有益效果是：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，说明可能是用户利用手背的边缘区域触发的滑动操作，此时，根据滑动轨迹获取触摸信号。基于该触摸信号，通过指定逻辑回归模型确定当前手势为掀开手势的概率和当前手势为上划手势的概率，即确定第一手势概率和第二手势概率，之后，基于该第一手势概率和该第二手势概率，对当前的手势进行识别。也即是，本申请通过获取多个触摸点在滑动过程中的触摸信号，并基于该触摸信号，通过指定逻辑回归模型实现了对上划手势和掀开手势的区分和识别，以保证能够正确响应用户的手势操作。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种手势识别方法的流程图；图2A是根据另一示例性实施例示出的一种手势识别方法的流程图；图2B是图2A实施例所涉及的一种指定区域的示意图；图2C是图2A实施例所涉及的一种多个触摸点的示意图；图2D是图2A实施例所涉及的一种掀开手势的示意图；图3A是根据一示例性实施例示出的一种手势识别装置的结构框图；图3B是根据另一示例性实施例示出的一种手势识别装置的结构框图；图4是根据一示例性实施例示出的一种手势识别装置400的框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。在对本申请实施例提供的手势识别方法进行详细介绍之前，先对本申请实施例涉及的应用场景和实施环境进行简单介绍。首先，对本申请实施例涉及的应用场景进行简单介绍。目前，终端能够支持多种手势的操作。譬如，在实际应用场景中，当用户想要向上滑动查看显示内容时，可以使用上划手势，再如，当用户在一些公共场所想要查看一些保密的信息时，可以使用掀开手势，以使终端基于该掀开手势，在屏幕的某一角显示需要显示的内容。但是，由于上划手势和掀开手势比较接近，因此，为了能够正确响应用户的实际操作需求，需要对该两种手势进行区分和识别。为此，本申请实施例提供了一种手势识别方法，该手势识别可以用于对上划和掀开这两种手势进行区分和识别，其具体实现如下文图1和图2A所示的实施例。其次，对本申请实施例涉及的实施环境进行简单介绍。本申请提供的手势识别方法可以应用于终端中，该终端可以配置有触摸屏，且该终端能够支持多种手势的操作，该多种手势包括上划手势和掀开手势。在实际应用场景中，该终端具体可以为诸如手机、电脑、计算机之类的设备，本申请实施例对此不做限定。请参考图1，该图1是根据一示例性实施例示出的一种手势识别方法的流程图，该手势识别方法可以应用于终端中，该方法可以包括如下几个实现步骤：步骤101：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号。步骤102：基于该触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，该第一手势概率是指当前的手势为掀开手势的概率，该第二手势概率是指当前的手势为上划手势的概率。步骤103：基于该第一手势概率和该第二手势概率，对当前的手势进行识别。在本申请实施例中，当在屏幕的指定区域上检测到通过本文档来自技高网...

【技术保护点】
一种手势识别方法，其特征在于，所述方法包括：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号；基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率；基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。

【技术特征摘要】
1.一种手势识别方法，其特征在于，所述方法包括：当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号；基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率；基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。2.如权利要求1所述的方法，其特征在于，所述基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率之前，还包括：多次采集不同手势的触摸信号，得到多个样本数据，所述不同手势包括所述上划手势和所述掀开手势；基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型。3.如权利要求2所述的方法，其特征在于，所述预设训练模型包括损失函数模型和初始化逻辑回归模型；所述基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型，包括：将所述多个样本数据进行量化，得到样本量化向量；将所述样本量化向量输入至所述损失函数模型中，并采用梯度下降法通过确定所述损失函数模型的最小值来确定估计权重；将所述估计权重输入至所述初始化逻辑回归模型中，得到所述指定逻辑回归模型。4.如权利要求1所述的方法，其特征在于，所述基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别，包括：确定所述第一手势概率和所述第二手势概率中的最大手势概率；将当前的手势识别为所述最大手势概率对应的手势。5.如权利要求1所述的方法，其特征在于，所述触摸信号包括平均位置信息或位置差信息，所述平均位置信息是指所述滑动轨迹上所...

【专利技术属性】
技术研发人员：陈岩，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44