一种动态手势识别系统及方法技术方案

本发明专利技术公开了一种动态手势识别系统及方法，动态手势识别系统包括图像采集器、关节识别模块和动态手势识别模块，通过图像采集器实时采集被测人员的视频图像信息；关节识别模块采用人体姿势估计的深度学习模型来识别图像采集器实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；动态手势识别模块根据关节识别模块输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。本发明专利技术可以识别动态的手势；对图像质量和选取特征依赖度不高，具有很好的鲁棒性。好的鲁棒性。好的鲁棒性。

【技术实现步骤摘要】
一种动态手势识别系统及方法


[0001]本专利技术涉及识别
，尤其公开了一种动态手势识别系统及方法。

技术介绍

[0002]在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动。用户可以使用简单的手势来控制或与设备交互，让计算机理解人类的行为。其核心技术为手势分割、手势分析以及手势识别。现有手势识别系统主要基于图像处理里的目标检测与识别方法，具体涉及到手势检测、分割、手势特征提取以及手势识别技术，主要受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势。
[0003]因此，现有手势识别系统受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势，是一件亟待解决的技术问题。

技术实现思路

[0004]本专利技术提供了一种动态手势识别系统及方法，旨在解决现有手势识别系统受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势的技术问题。
[0005]本专利技术的一方面涉及一种动态手势识别系统，包括图像采集器、关节识别模块和动态手势识别模块，其中，
[0006]图像采集器，用于实时采集被测人员的视频图像信息；
[0007]关节识别模块，用于采用人体姿势估计的深度学习模型来识别图像采集器实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；
[0008]动态手势识别模块，用于根据关节识别模块输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。
[0009]进一步地，动态手势识别系统还包括基准数据模型构建模块，
[0010]基准数据模型构建模块，用于采集动态手势中各个关节点的轨迹信息来构建基准数据模型，各个关节点的运动轨迹为直线移动或摆动。
[0011]进一步地，动态手势识别系统还包括训练模块，
[0012]训练模块，用于利用基准数据模型构建模块构建的基准数据模型、以及图像采集器采集的视频图像文件完成对动态手势识别模块基准数据模型的训练。
[0013]进一步地，关节识别模块包括关节识别单元和标定单元，
[0014]关节识别单元，用于识别图像采集器实时采集的视频图像中被测人员的各个关节点；
[0015]标定单元，用于标识关节识别单元识别的被测人员的各个关节点在视频图像中的偏移位置。
[0016]进一步地，动态手势识别模块包括生成单元、比较单元和运动轨迹识别单元，
[0017]生成单元，用于实时记录关节识别模块传回的各个关节点的相关位置信息，并根据获取的被测人员在静止状态间的手势数据，在线生成运动轨迹；
[0018]比较单元，用于将实时计算出的各个关节点的运动轨迹与基准动态手势库中预设的各运动手势作比较；
[0019]运动轨迹识别单元，用于选取与基准动态手势库中动作手势偏差值最小且偏差值在充许偏差阀值以内的运动手势作为识别结果。
[0020]本专利技术的另一方面涉及一种动态手势识别方法，包括以下步骤：
[0021]实时采集被测人员的视频图像信息；
[0022]采用人体姿势估计的深度学习模型来识别实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；
[0023]根据输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。
[0024]进一步地，根据输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别的步骤之前包括：
[0025]采集动态手势中各个关节点的轨迹信息来构建基准数据模型，各个关节点的运动轨迹为直线移动或摆动。
[0026]进一步地，根据输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别的步骤之前包括：
[0027]利用构建的基准数据模型、以及采集的视频图像文件完成对基准数据模型的训练。
[0028]进一步地，采用人体姿势估计的深度学习模型来识别实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息的步骤包括：
[0029]识别实时采集的视频图像中被测人员的各个关节点；
[0030]标识识别的被测人员的各个关节点在视频图像中的偏移位置。
[0031]进一步地，根据输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别的步骤包括：
[0032]实时记录传回的各个关节点的相关位置信息，并根据获取的被测人员在静止状态间的手势数据，在线生成运动轨迹；
[0033]将实时计算出的各个关节点的运动轨迹与基准动态手势库中预设的各运动手势作比较；
[0034]选取与基准动态手势库中动作手势偏差值最小且偏差值在充许偏差阀值以内的运动手势作为识别结果。
[0035]本专利技术所取得的有益效果为：
[0036]本专利技术提供一种动态手势识别系统及方法，动态手势识别系统包括图像采集器、
关节识别模块和动态手势识别模块，通过图像采集器实时采集被测人员的视频图像信息；关节识别模块采用人体姿势估计的深度学习模型来识别图像采集器实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；动态手势识别模块根据关节识别模块输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。本专利技术提供的动态手势识别系统及方法，可以识别动态的手势；对图像质量和选取特征依赖度不高，具有很好的鲁棒性。
附图说明
[0037]图1为本专利技术提供的动态手势识别系统第一实施例的功能框图；
[0038]图2为本专利技术提供的动态手势识别系统第二实施例的功能框图；
[0039]图3为本专利技术提供的动态手势识别系统第三实施例的功能框图；
[0040]图4为图1中所示的关节识别模块一实施例的功能模块示意图；
[0041]图5为图1中所示的动态手势识别模块一实施例的功能模块示意图；
[0042]图6为本专利技术提供的动态手势识别方法第一实施例的流程示意图；
[0043]图7为本专利技术提供的动态手势识别方法第二实施例的流程示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态手势识别系统，其特征在于，包括图像采集器(10)、关节识别模块(20)和动态手势识别模块(30)，其中，所述图像采集器(10)，用于实时采集被测人员的视频图像信息；所述关节识别模块(20)，用于采用人体姿势估计的深度学习模型来识别所述图像采集器(10)实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；所述动态手势识别模块(30)，用于根据所述关节识别模块(20)输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。2.如权利要求1所述的动态手势识别系统，其特征在于，所述动态手势识别系统还包括基准数据模型构建模块(40)，所述基准数据模型构建模块(40)，用于采集动态手势中各个关节点的轨迹信息来构建基准数据模型，各个关节点的运动轨迹为直线移动或摆动。3.如权利要求2所述的动态手势识别系统，其特征在于，所述动态手势识别系统还包括训练模块(50)，所述训练模块(50)，用于利用所述基准数据模型构建模块(40)构建的所述基准数据模型、以及所述图像采集器(10)采集的视频图像文件完成对所述动态手势识别模块(30)基准数据模型的训练。4.如权利要求1所述的动态手势识别系统，其特征在于，所述关节识别模块(20)包括关节识别单元(21)和标定单元(22)，所述关节识别单元(21)，用于识别所述图像采集器(10)实时采集的视频图像中被测人员的各个关节点；所述标定单元(22)，用于标识所述关节识别单元(21)识别的被测人员的各个关节点在视频图像中的偏移位置。5.如权利要求1所述的动态手势识别系统，其特征在于，所述动态手势识别模块(30)包括生成单元(31)、比较单元(32)和运动轨迹识别单元(33)，所述生成单元(31)，用于实时记录所述关节识别模块(20)传回的各个关节点的相关位置信息，并根据获取的被测人员在静止状态间的手势数据，在线生成运动轨迹；所述比较单元(32)，用于将实时计算出的各个关节点的运动轨迹与基准动态手势库中预设的各运动手势作比较；所述运动轨迹识别单元(33)，用于选取与基准动态手势库中动作手势偏差值最小且偏差值在充许偏差阀值以内的...

【专利技术属性】
技术研发人员：蒋湘涛，丁亚运，
申请(专利权)人：湖南灵之心心理学应用技术有限公司，
类型：发明
国别省市：