移动终端握持手势识别方法、移动终端及可读存储介质技术

本发明专利技术公开了一种移动终端握持手势识别方法、移动终端及可读存储介质。移动终端的正面和背面都存在触摸屏，该方法包括：当检测到用户握持移动终端的握持操作时，获取用户触摸移动终端触摸屏的触控图片；预处理触控图片，得到预处理后的触控图片；将预处理后的触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势。本发明专利技术通过卷积神经网络模型识别出用户握持双面屏移动终端的握持手势，相对于现有的通过移动终端侧边传感器识别用户握持手势的识别方法，通过卷积神经网络模型识别握持手势，提高了识别用户握持手势的准确率，且由于不需要在移动终端侧边设置传感器识别用户的握持手势，降低了移动终端的生产成本。

Mobile terminal gripping gesture recognition method, mobile terminal and readable storage medium

The invention discloses a mobile terminal holding gesture recognition method, a mobile terminal and a readable storage medium. The mobile terminal in the front and back of the touch screen, the method includes: when the detected user holding operation holding of the mobile terminal, the mobile terminal user touch touch touch screen picture; pretreatment touch pictures, get touch pictures after preprocessing; convolution neural network model after pretreatment of the touch input to the picture the preset, to identify the user's current holding gesture. The present invention through model identification of convolutional neural network users holding double screen mobile terminal holding gesture, relative to the current through the mobile terminal side sensors to identify the user holding gesture recognition method using convolution neural network model to recognize the gripping gesture, to improve the accuracy of identification of user holding gestures, and without the need for holding gesture sensor identify the user in the mobile terminal side, reduces the production cost of the mobile terminal.

【技术实现步骤摘要】
移动终端握持手势识别方法、移动终端及可读存储介质
本专利技术涉及终端
，尤其涉及一种移动终端握持手势识别方法、移动终端及可读存储介质。
技术介绍
目前市场上已有双面屏移动终端，即在终端的正面和反面都设置有触摸屏。目前识别用户握持移动终端握持手势的识别方法为在移动终端侧边设置传感器，通过侧边的传感器来识别用户当前的握持手势，即识别用户当前是左手握持、右手握持还是双手握持。但是，由于目前的终端是双面屏移动终端，通过传感器来识别用户的握持手势，识别的错误率较高(当用户用右手握持双面屏移动终端，使用双面屏移动终端的背面屏时，此时双面屏移动终端容易识别成左手握持)，且通过传感器识别用户握持手势需要在移动终端的两侧设置多个传感器，从而导致移动终端的生产成本较高。
技术实现思路
本专利技术的主要目的在于提出一种移动终端握持手势识别方法、移动终端及可读存储介质，旨在解决现有的双面屏移动终端识别用户握持手势错误率高，生产成本高的技术问题。为实现上述目的，本专利技术提供了一种移动终端握持手势识别方法，所述移动终端握持手势识别方法包括：当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片；预处理所述触控图片，得到预处理后的所述触控图片；将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势。可选地，所述将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势的步骤包括：解析预处理后的所述触控图片，得到所述触控图片对应的像素点矩阵；将所述像素点矩阵输入至预置的所述卷积神经网络模型中，以识别出用户当前的握持手势。可选地，所述将所述像素点矩阵输入至预置的所述卷积神经网络模型中，以识别出用户当前的握持手势的步骤包括：将所述像素点矩阵输入所述卷积神经网络模型中，得到输出结果；根据所述输出结果对应标识信息确定用户当前的握持手势，其中，所述握持手势包括左手握持、右手握持和双手握持。可选地，所述预处理所述触控图片，得到预处理后的所述触控图片的步骤包括：对所述触控图片进行裁剪，并变更裁剪后所述触控图片的透明度，得到变更透明度后的所述触控图片；将变更透明度后的所述触控图片转变为灰度图片，将所述灰度图片进行压缩，以得到预处理后的所述触控图片。可选地，所述当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片的步骤之前，还包括：获取各个操作模式对应的触控图片集，并对各个触控图片集中的触控图片进行预处理操作，得预处理后的所述触控图片集，其中，所述触控图片集中的任一触控图片都对应着一个模式标识，每一模式标识对应一种操作模式；在预处理后的所述触控图片集中选取预设第一比例的所述触控图片作为训练图片集；根据所述训练图片集训练卷积神经网络模型。可选地，所述根据所述训练图片集训练卷积神经网络模型的步骤之后，还包括：在预处理后的所述触控图片集中选取预设第二比例的所述触控图片作为测试图片集；将所述测试图片集对应的触控图片输入所述卷积神经网络模型，得到测试结果；若所述测试结果满足预设条件，则确认所述卷积神经网络模型训练成功。可选地，所述根据所述训练图片集训练卷积神经网络模型的步骤包括：从所述训练图片集中获取训练图片数据，并初始化卷积神经网络模型的预置参数，得到初始化后的所述预置参数；根据所述训练图片数据和所述预置参数进行卷积计算，得到卷积结果；获取预置的第一偏置量参数，根据所述第一偏置量参数对所述卷积结果进行非线性化处理，得到第一结果；对所述第一结果进行池化处理和归一化处理，得到处理后的所述第一结果；获取预置的第二偏置量参数，根据所述第二偏置量参数对处理后的所述第一结果进行非线性化处理，得到第二结果；基于预设函数，根据所述第二结果计算出预测握持标识序列；计算所述预测握持标识序列与所述训练图片集中触控图片对应的训练握持标识序列之间的损失值；根据所述损失值优化所述卷积神经网络模型的参数，得到优化后的参数，并根据优化后的参数得到所述卷积神经网络模型。可选地，所述根据所述损失值优化所述卷积神经网络模型的参数，得到优化后的参数，并根据优化后的参数得到所述卷积神经网络模型步骤之后，还包括：根据所述训练图片集中各个触控图片对应的模式标识确定所述训练图片集中各种握持手势的数量，记为第一数量；获取训练所述卷积神经网络模型过程中所得的训练结果，确定所述训练结果中各种握持手势的数量，记为第二数量；根据所述第一数量和所述第二数量计算所述卷积神经网络模型识别用户握持手势的准确率；若所述准确率小于预设比例值，则继续训练所述卷积神经网络模型。此外，为实现上述目的，本专利技术还提供一种移动终端，所述移动终端包括存储器、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握持手势识别程序，所述握持手势识别程序被所述处理器执行时实现如上文所述的移动终端握持手势识别方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有握持手势识别程序，所述握持手势识别程序被处理器执行时实现如上文所述的移动终端握持手势识别方法的步骤。在本专利技术中，通过当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片；预处理所述触控图片，得到预处理后的所述触控图片；将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势。通过卷积神经网络模型识别出用户握持双面屏移动终端的握持手势，相对于现有的通过移动终端侧边传感器识别用户握持手势的识别方法，通过卷积神经网络模型识别握持手势，提高了识别用户握持手势的准确率，且由于不需要在移动终端侧边设置传感器识别用户的握持手势，降低了移动终端的生产成本。附图说明图1为实现本专利技术各个实施例一种终端的硬件结构示意图；图2为本专利技术实施例提供的一种通信网络系统架构图；图3为本专利技术移动终端握持手势识别方法第一实施例的流程示意图；图4为本专利技术实施例中预处理触控图片，得到预处理后的触控图片的一种流程示意图；图5a为本专利技术实施例中裁剪前触控图片的一种示意图；图5b为本专利技术实施例中裁剪后触控图片的一种示意图；图5c为本专利技术实施例中压缩后的触控图片的一种示意图；图6为本专利技术实施例中将预处理后的触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势的一种流程示意图；图7为本专利技术移动终端握持手势识别方法第二实施例的一种流程示意图；图8为本专利技术移动终端握持手势识别方法第三实施例的一种流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。移动终端可以以各种形式来实施。例如，本专利技术中描述的设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigitalAssistant，PDA)等移动终端。本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本专利技术的实施方式的构造也能够应用于固定类型的终端。请参阅图1，其为实现本本文档来自技高网...

【技术保护点】
一种移动终端握持手势识别方法，其特征在于，所述移动终端的正面和背面都存在触摸屏，所述移动终端握持手势识别方法包括：当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片；预处理所述触控图片，得到预处理后的所述触控图片；将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势。

【技术特征摘要】
1.一种移动终端握持手势识别方法，其特征在于，所述移动终端的正面和背面都存在触摸屏，所述移动终端握持手势识别方法包括：当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片；预处理所述触控图片，得到预处理后的所述触控图片；将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势。2.如权利要求1所述的移动终端握持手势识别方法，其特征在于，所述将预处理后的所述触控图片输入至预置的卷积神经网络模型中，以识别出用户当前的握持手势的步骤包括：解析预处理后的所述触控图片，得到所述触控图片对应的像素点矩阵；将所述像素点矩阵输入至预置的所述卷积神经网络模型中，以识别出用户当前的握持手势。3.如权利要求2所述的移动终端握持手势识别方法，其特征在于，所述将所述像素点矩阵输入至预置的所述卷积神经网络模型中，以识别出用户当前的握持手势的步骤包括：将所述像素点矩阵输入所述卷积神经网络模型中，得到输出结果；根据所述输出结果对应标识信息确定用户当前的握持手势，其中，所述握持手势包括左手握持、右手握持和双手握持。4.如权利要求1所述的移动终端握持手势识别方法，其特征在于，所述预处理所述触控图片，得到预处理后的所述触控图片的步骤包括：对所述触控图片进行裁剪，并变更裁剪后所述触控图片的透明度，得到变更透明度后的所述触控图片；将变更透明度后的所述触控图片转变为灰度图片，将所述灰度图片进行压缩，以得到预处理后的所述触控图片。5.如权利要求1至4任一项所述的移动终端握持手势识别方法，其特征在于，所述当检测到用户握持移动终端的握持操作时，获取用户触摸所述移动终端触摸屏的触控图片的步骤之前，还包括：获取各个操作模式对应的触控图片集，并对各个触控图片集中的触控图片进行预处理操作，得预处理后的所述触控图片集，其中，所述触控图片集中的任一触控图片都对应着一个模式标识，每一模式标识对应一种操作模式；在预处理后的所述触控图片集中选取预设第一比例的所述触控图片作为训练图片集；根据所述训练图片集训练卷积神经网络模型。6.如权利要求5所述的移动终端握持手势识别方法，其特征在于，所述根据所述训练图片集训练卷积神经网络模型的步骤之后，还包括：在预处理后的所述触控图片集中选取预设第二...

【专利技术属性】
技术研发人员：王秀琳，
申请(专利权)人：努比亚技术有限公司，
类型：发明
国别省市：广东,44