【技术实现步骤摘要】
一种手势识别方法及手势识别系统
本申请涉及计算机领域，特别的涉及一种手势识别方法及手势识别系统。
技术介绍
近几年，智能手机和平板的普及使触屏类手势交互成为研究热点。手势追踪是手势交互不可缺少的关键技术，也是这种交互能否推广应用的瓶颈问题之一。近两年，也有人把Kinect体感技术用于动态手势识别中，但Kinect主要追踪的是中远距(0.5m-4m)的全身动作，对于手部的动作，细节信息不够。而LeapMotion的出现，弥补了Kinect的精度问题，它是一个检测手势运动的传感器，动作跟踪精确到0.01mm，精准度是Kincet的100倍。而且设备小，成本低，扩展性强，易于内置到笔记本等其他设备上。在使用LeapMotion获得手势后，利用资源库匹配数据进行手势识别，在产品的应用中以达到用户在操作时的代入感，主要技术是利用资源库中的数据公式，通过手势映射的方式，识别合适的手势区间，在一体机中播放时，自动调节手势数值，并匹配资源库数据，更换所需的服务等级。在手势映射的过程中，提供多个属性来绑定男人、女人、小孩的手的...
【技术保护点】
1.一种手势识别方法，包括如下步骤：/n获得手势检测数据；/n根据手势检测数据获得手指列表；/n根据手指的距离和方向信息，获得手部关节位置信息；/n将手部关节位置信息输入用户类型判断模型，获得用户类型；/n根据用户类型判断用户手势所执行的操作。/n
【技术特征摘要】
1.一种手势识别方法，包括如下步骤：
获得手势检测数据；
根据手势检测数据获得手指列表；
根据手指的距离和方向信息，获得手部关节位置信息；
将手部关节位置信息输入用户类型判断模型，获得用户类型；
根据用户类型判断用户手势所执行的操作。
2.如权利要求1所述的方法，其中预先建立用户类型判断模型，包括如下步骤：
输入手势检测数据；
根据手势检测数据获得手指列表；
根据手指的距离和方向信息，获得手部关节位置信息；
根据手部关节位置信息对手势检测数据进行分类，获得多个类别，形成用户类型判断模型。
3.如权利要求2所述的方法，其中根据手部关节位置信息对手势检测数据进行分类，包括根据手部关节的位置、关节大小和关节间距离中的一个或多个分类参数进行分类。
4.如权利要求3所述的方法，其中预先建立用户类型判断模型还包括对用户类型判断模型进行调整的步骤：
使用建立的用户类型判断模型进行用户类型判断；
如果存在无法判断的手势检测数据，则对分类参数进行调整。
5.如权利要求3所述的方法，其中根据手部检测数据获得手指列表包括如下子步骤：
根据手部检测数据获得手掌的方向和手指指尖的方向；
根据手掌的方向和指尖的方向所存在的夹角和手掌的法向量与指尖方向的夹角，判断每个手指尖所表示的每个手指，将获得的每个手指的手指数据记录在手指列表中。
6.一种...
【专利技术属性】
技术研发人员：李小波，蔡小禹，何磊，
申请(专利权)人：恒信东方文化股份有限公司，
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。