【技术实现步骤摘要】
手部跟踪方法及机器可读存储介质
本专利技术涉及手势识别领域，具体地涉及一种手部跟踪方法及机器可读存储介质。
技术介绍
手势识别技术能够通过识别用户手部的姿态以及动作实现基于手势的人机交互，而手跟踪技术是此类技术方案中不可或缺的一部分。目前相关技术中实现目标跟踪主要有两方面的实现技术：一方面，可以是基于上一帧目标在图像中所占据的区域，通过算法给出当前帧目标可能的候选区域；然后，计算候选区域与上一帧目标所在区域的匹配程度(或其它评判标准，如颜色直方图分布等)，选取匹配程度最好的区域为当前帧目标的位置预测。另一方面，可以是对目标物体进行建模，然后寻找当前图像中与目标模型最接近的区域，之后再更新目标模型。故目前的手部跟踪技术都是对目标所占据的区域进行跟踪，但是人的手因其复杂的形变和姿态变化、特征多样，前后帧之间的相关性较弱，区域跟踪难度大，并且其跟踪算法通常计算量大且算法逻辑复杂而导致手部跟踪响应滞后严重，降低了手势识别的精确度。
技术实现思路
本专利技术实施例的目的是提供一种手部跟踪方法及机器可读存储介质，用以至少解决目前相关技术中手部跟踪算法复杂且响应滞后严重，而降低了手...
【技术保护点】
1.一种手部跟踪方法，包括：获取待执行手部跟踪任务的手部图像视频；从所述手部图像视频中提取出第一帧深度图像和其下一帧的第二帧深度图像，并获取所述第一帧深度图像中手的第一手部位置；将所述第一手部位置和所述第二帧深度图像输入神经网络模型，以由该神经网络模型预测所述第二帧图像中手的第二手部位置，其中所述神经网络模型是以深度图像和相邻帧的所述深度图像之间的手部位置差为标签进行训练的。
【技术特征摘要】
1.一种手部跟踪方法，包括：获取待执行手部跟踪任务的手部图像视频；从所述手部图像视频中提取出第一帧深度图像和其下一帧的第二帧深度图像，并获取所述第一帧深度图像中手的第一手部位置；将所述第一手部位置和所述第二帧深度图像输入神经网络模型，以由该神经网络模型预测所述第二帧图像中手的第二手部位置，其中所述神经网络模型是以深度图像和相邻帧的所述深度图像之间的手部位置差为标签进行训练的。2.根据权利要求1所述的方法，其中，在所述由该神经网络模型预测所述第二帧图像中手的第二手部位置之后，该方法还包括：将所预测的所述第二手部位置和作为所述第二帧深度图像的下一帧的第三帧深度图像输入至所述神经网络模型，以由该神经网络模型预测所述第三帧图像中手的第三手部位置。3.根据权利要求1或2所述的方法，其中，在所述神经网络模型预测手部位置时，该方法包括：基于所输入的深度图像，所述神经网络模型判断该所输入的深度图像中是否存在手部；当该判断的结果指示存在手部时，推断所述所输入的深度图像所对应的手部位置差，以确定所述所输入的深度图像中的手部位置。4.根据权利要求3所述的方法，其中，在基于所输入的深度图像所述神经网络模型判断该所输入的深度图像中是否存在手部之后，该方法还包括：当该判断的结果指示不存在手部时，则所述神经网络模型输出手部跟踪失败结果，以触发停止手部跟踪。5.根据权利要求1所述的方法，其中，所述神经网络模型为卷积神经网络。6.一种机器可读存储介质，其中该机器可读存储...
【专利技术属性】
技术研发人员：王行，周晓军，李骊，盛赞，李朔，杨淼，
申请(专利权)人：北京华捷艾米科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。