识别车辆中的手势的方法技术

本公开的实施例涉及用于识别车辆中的手势的方法和在车辆中执行事件的系统。首先，为了识别，从车辆的车辆图像中提取车辆中的手的手图像。基于单点获得手图像的多个上下文图像。另外，使用神经网络的一个或多个层来处理多个上下文图像中的每一个，以获得与手图像相关联的多个上下文特征。使用分类器模型基于多个上下文特征识别与手相关联的手势。

【技术实现步骤摘要】
【国外来华专利技术】识别车辆中的手势的方法
本公开总体上涉及汽车。尤其是但非排它地，本公开涉及用于识别车辆中的手的手势的方法。本公开的其它实施例公开了基于所识别的手势在车辆中执行事件的系统和方法。
技术介绍
图像处理中的一种或多种技术可被用在理解图像中的姿势或手势中。可以是分类模型或分类器模型的训练模型可被实施用于将手势分类为对应的类别。手势识别技术可被用在各种实时应用中以执行各种任务或操作。可能要求当在实时应用中实施此类技术时性能和准确性不应妥协。而且，具有最小功耗和最少发热的嵌入式平台的使用可能是必需的。一些技术公开了包括具有实现手提盒(handbox)技术的级联模块的流水线结构。在这样的技术中，由边界框限定的输入图像的一部分被接收，并且每个图像部分的特征向量可被产生。特征向量被输入到分类器模型中以输出和与输入图像相关联的预定义类别的概率匹配。这样的技术可能在计算上是昂贵的并且完整的流水线结构可能取决于手提盒检测的准确性。因此手提盒检测的错误可能降低流水线结构的性能。还有，在级联模块中可能存在错误的累积。用于手势检测的其它技术可以包括检测每个手本文档来自技高网...

【技术保护点】
1.一种用于识别车辆中的手势的方法，包括：/n使用与手相关联的单点(210)在车辆的车辆图像(209)中提取所述手的手图像(211)；/n基于所述单点(210)获得所述手图像(211)的多个上下文图像(212)；/n使用神经网络(306)的一个或多个层来处理所述多个上下文图像(212)中的每一个，以获得与所述手图像(211)相关联的多个上下文特征(213)；和/n使用分类器模型基于所述多个上下文特征(213)识别与所述手相关联的手势(217)。/n

【技术特征摘要】
【国外来华专利技术】20180905 IN 2018410332821.一种用于识别车辆中的手势的方法，包括：
使用与手相关联的单点(210)在车辆的车辆图像(209)中提取所述手的手图像(211)；
基于所述单点(210)获得所述手图像(211)的多个上下文图像(212)；
使用神经网络(306)的一个或多个层来处理所述多个上下文图像(212)中的每一个，以获得与所述手图像(211)相关联的多个上下文特征(213)；和
使用分类器模型基于所述多个上下文特征(213)识别与所述手相关联的手势(217)。


2.根据权利要求1所述的方法，还包括：聚合所述多个上下文特征(213)中的每一个以识别所述手势(217)。


3.根据权利要求1所述的方法，其中，所述神经网络(306)是卷积神经网络(CNN)，并且所述一个或多个层包括卷积单元、批量归一化单元、递归线性单元、全连接单元和池化单元中的至少一个。


4.根据权利要求1所述的方法，其中，使用与所述手图像(211)相关联的一个或多个图像通道(215)和神经网络对所述手图像(211)进行预处理，以获得所述多个上下文图像(212)。


5.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：H·乔拉克卡尔，S·纳拉扬，J·阿琼，S·艾哈迈德，A·巴特卡尔，M·比尔，A·马利克，
申请(专利权)人：戴姆勒股份公司，
类型：发明
国别省市：德国;DE