【技术实现步骤摘要】
手势识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，尤其涉及一种手势识别方法、装置、计算机设备和存储介质。
技术介绍
手势识别被应用于日常生活中的多个领域，如应用于移动端短视频。目前的手势识别主要采用SSD模型，采用SSD模型进行手势识别，是指在分类的同时回归出手势的矩形框区域，该模式的识别主要依赖于数据集的标注，需针对每一种类别进行单独标注，每当单独的手势加入时，都需要重新收集数据并进行标注，重新训练整个模型，导致算法开发周期过长，产品迭代慢。
技术实现思路
为了解决上述技术问题，本申请提供了一种手势识别方法、装置、计算机设备和存储介质。第一方面，本申请提供了一种手势识别方法，包括：获取包含至少一个手势特征的图像；输入图像至已训练的关键点检测模型，得到各个手势特征的关键点的位置信息；按照各个手势特征对应的关键点位置信息计算各个关键点之间的位置关系；输入各个手势特征的关键点的位置信息和对应的位置关系至已训练的手势识别模型，输出各个手势特征对应的识别结...
【技术保护点】
1.一种手势识别方法，其特征在于，所述方法包括：/n获取包含至少一个手势特征的图像；/n输入所述图像至已训练的关键点检测模型，得到各个所述手势特征的关键点的位置信息；/n按照各个手势特征对应的关键点位置信息计算各个关键点之间的位置关系；/n输入各个所述手势特征的关键点的位置信息和对应的位置关系至已训练的手势识别模型，输出各个所述手势特征对应的识别结果，其中所述已训练的手势识别模型和所述已训练的关键点检测模型为分别训练得到的模型。/n
【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：
获取包含至少一个手势特征的图像；
输入所述图像至已训练的关键点检测模型，得到各个所述手势特征的关键点的位置信息；
按照各个手势特征对应的关键点位置信息计算各个关键点之间的位置关系；
输入各个所述手势特征的关键点的位置信息和对应的位置关系至已训练的手势识别模型，输出各个所述手势特征对应的识别结果，其中所述已训练的手势识别模型和所述已训练的关键点检测模型为分别训练得到的模型。
2.根据权利要求1所述的方法，其特征在于，生成所述已训练的关键点检测模型，包括：
获取多个第一训练图像，所述第一训练图像携带标注信息，所述标注信息包括关键点的标准位置信息；
输入所述第一训练图像至关键点检测模型，输出各个关键点的预测位置信息；
根据各个所述关键点的预测位置信息与对应的标准位置信息之间的差异度，计算所述关键点检测模型的损失值，得到第一损失值；
当所述第一损失值位于第一预设损失值区间时，得到所述已训练的关键点检测模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述第一损失值不位于所述第一预设损失值区间时，根据所述第一损失值更新所述关键点检测模型的参数，得到中间关键点检测模型，执行输入所述第一训练图像至所述中间关键点检测模型，直至所述中间关键点检测模型的第一损失值位于所述第一预设损失值区间时，得到所述已训练的关键点检测模型。
4.根据权利要求1所述的方法，其特征在于，生成所述已训练的手势识别模型，包括：
获取多个第一标准手势和对应的关键点的位置信息；
根据各个所述第一标准手势对应的关键点的位置信息，计算各个所述第一标准手势的位置关系；
输入各个所述第一标准手势和对应的关键点的位置信息、位置关系至第一手势识别模型，输出各个所述第一标准手势对应的预测手势；
根据各个所述第一标准手势和对应的预测手势统计识别误差，根据所述识别误差计算所述第一手势识别模型的损失值，得到第二损失值；
当所述第二损失值位于第二预设损失值区间时，得到所述训练后的第一手势识别模型；
根据所述训练后的第一手势识别模型确定所述已训练的手势识别模型。
5.根据权利要求4所述的方法，其特征在于，所述方法还保括：
当所述第二损失值不位于所述第二预设损失值区间时，根据所述第二损失值更新所述第一手势识别模型的参数，得到中间手势识别模型，执行输入各个所述第一标准手势和对应的关键点的位置信息、位置关系至所述中间手势识别模型，直至所述中间手势识别模型的第二损失值位于第二预设损失值区间时，得到所述训练后的第一手势识别模型。
6.根据权利要求4或5所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：赵突，
申请(专利权)人：北京奇艺世纪科技有限公司，
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。