本申请适用于技术领域，提供了一种手势识别方法及装置、电子设备，包括：获取待识别图像；若在待识别图像中检测到人手，则输出人手的关节点坐标；根据人手的关节点坐标确定手部状态，所述手部状态包括手部整体状态，手指弯曲程度以及指间状态；根据所述手部状态识别出待识别图像中手势的分类结果，通过关节点坐标来确定包括手部整体状态，手指弯曲程度以及指间状态的手部状态来识别手势类别，能够应对更加复杂的静态手势识别场景，提高手势识别的准确度，解决了现有的手势识别方法识别准确度低以及适用场景少的问题。以及适用场景少的问题。以及适用场景少的问题。
【技术实现步骤摘要】
一种手势识别方法及装置、电子设备
[0001]本申请属于
，尤其涉及一种手势识别方法及装置、电子设备。
技术介绍
[0002]在计算机科学中，手势识别是指通过数学算法使得计算机来识别人类手势的一种方式。用户可以使用手势来控制设备或与设备进行交互。近些年基于手势的人机交互越来越多地被应用在手机、电视等设备上，实现了隔空交互。
[0003]目前的手势识别一般是基于RGB图像的手势识别和基于人手关节点的手势识别。基于RGB图像的手势识别方法通常通过获取用户的手势RGB图像，然后使用深度学习网络对RGB图像进行图像分类，以得到用户的手势RGB图像对应的手势类别。然而，基于RGB图像的手势识别对于类似的手势无法准确区分不同手势类别，因此很容易出现误识别的情况。
[0004]为了能够准确地划定各个手势类别的边界，可以通过基于人手关节点的手势识别方法来进行手势识别，基于人手关节点的手势识别方法通常会先对人手关节点进行检测，再基于关节点进行手势识别，这样就能够准确地划定各个手势类别的边界。目前的基于人手关节点的手势识别方法通常都是通过人手关节点的弯曲程度对人手进行0
‑
1编码，然后确定出手势类别，这种识别方法只适用于正向手势识别场景，而且也无法适用于复杂的手势识别场景。
技术实现思路
[0005]本申请实施例提供了一种手势识别方法及装置、电子设备，可以解决现有的手势识别方法存在识别准确度低和适用场景少的问题。
[0006]第一方面，本申请实施例提供了一种手势识别方法，包括：
[0007]获取待识别图像；
[0008]若在待识别图像中检测到人手，则输出人手的关节点坐标；
[0009]根据人手的关节点坐标确定手部状态，所述手部状态包括手部整体状态、手指弯曲程度以及指间状态中的至少一种；
[0010]根据所述手部状态识别出待识别图像中手势的分类结果。
[0011]在第一方面的一种可能的实现方式中，所述手部状态包括手部整体状态、手指弯曲程度以及指间状态；
[0012]手部整体状态根据两预设关节点的距离和/或预设关节点与手部轮廓的位置关系确定；
[0013]手指弯曲程度根据目标手指各关节点的偏离夹角积累确定；
[0014]指间状态根据两目标手指的指尖关节点与预设的手掌关节点的连线状态和/或两目标手指的指尖关节点的距离确定。
[0015]在第一方面的一种可能的实现方式中，所述根据所述手部状态识别出待识别图像中手势的分类结果，包括：
[0016]对所述手部状态进行特征编码；
[0017]将所述手部状态的特征编码与每类预设手势的特征范围约束条件进行匹配，获取满足特征范围约束条件的预分类手势类别；
[0018]计算所述手部状态的特征编码与各个预分类手势类别的相似度；
[0019]根据相似度确定所述待识别图像中手势的手势类别。
[0020]在第一方面的一种可能的实现方式中，所述获取待识别图像，包括：
[0021]获取视频数据；
[0022]对视频数据进行预处理操作，得到待识别图像。
[0023]在第一方面的一种可能的实现方式中，所述预处理操作包括色域转换操作、边缘裁剪操作以及等比例缩放图像尺寸操作。
[0024]在第一方面的一种可能的实现方式中，所述根据所述手部状态识别出待识别图像中手势的分类结果之后，还包括：根据预设帧数的待识别图像对应的分类结果确定出人手的目标手势类别。
[0025]在第一方面的一种可能的实现方式中，所述根据预设帧数的所述待识别图像对应的分类结果确定出人手的目标手势类别，包括：
[0026]根据预设时间段内连续的预设帧数的所述待识别图像对应的分类结果确定出人手的目标手势类别。
[0027]在第一方面的一种可能的实现方式中，根据预设时间段内连续的预设帧数的所述待识别图像对应的分类结果确定出人手的目标手势类别，包括：
[0028]将预设时间段内连续的预设帧数的每一帧图像对应的分类结果写入分类结果队列中；
[0029]根据所述分类结果队列中的分类结果确定目标手势类别。
[0030]在第一方面的一种可能的实现方式中，还包括：加载手势类别描述文件，获取每个预设手势的特征范围约束条件。
[0031]在第一方面的一种可能的实现方式中，所述手势类别描述文件包括产品定义类别描述文件和用户自定义类别描述文件。
[0032]第二方面，本申请实施例提供了一种手势识别装置，包括：
[0033]获取单元，用于获取待识别图像；
[0034]检测单元，用于若在待识别图像中检测到人手，则输出人手的关节点坐标；
[0035]状态确定单元，用于根据人手的关节点坐标确定手部状态，所述手部状态包括手部整体状态，手指弯曲程度以及指间状态；
[0036]识别单元，用于根据所述手部状态识别出待识别图像中手势的分类结果。
[0037]第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法。
[0038]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
[0039]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端
设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。
[0040]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
[0041]本申请实施例与现有技术相比存在的有益效果是：
[0042]本申请实施例提供的手势识别方法及装置、电子设备，通过关节点坐标来确定包括手部整体状态，手指弯曲程度以及指间状态的手部状态来识别手势类别，能够应对更加复杂的静态手势识别场景，提高手势识别的准确度，解决了现有的手势识别方法识别准确度低以及适用场景少的问题。
附图说明
[0043]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0044]图1是本申请实施例提供的一种应用场景的架构示意图；
[0045]图2是本申请实施例提供的一种电子设备的结构示意图；
[0046]图3是本申请实施例提供一种手势识别方法的流程示意图；
[0047]图4是本申请实施例提供的人手关节点检测模型的网络结构示意图；
[0048]图5是本申请实施例提供的人手上21个关节点的示意图；
[0049]图6是本申请实施例提供的另一种手势识别方法的流本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种手势识别方法，其特征在于，包括：获取待识别图像；若在所述待识别图像中检测到人手，则输出人手的关节点坐标；根据所述人手的关节点坐标确定手部状态；所述手部状态包括手部整体状态、手指弯曲程度以及指间状态中的至少一种；根据所述手部状态识别出待识别图像中手势的分类结果。2.如权利要求1所述的手势识别方法，其特征在于，所述手部状态包括手部整体状态、手指弯曲程度以及指间状态；所述手部整体状态根据两预设关节点的距离和/或预设关节点与手部轮廓的位置关系确定；所述手指弯曲程度根据目标手指各关节点的偏离夹角积累确定；所述指间状态根据两目标手指的指尖关节点与预设的手掌关节点的连线状态和/或两目标手指的指尖关节点的距离确定。3.如权利要求1或2所述的手势识别方法，其特征在于，所述根据所述手部状态识别出待识别图像中手势的分类结果，包括：对所述手部状态进行特征编码；将所述手部状态的特征编码与每类预设手势的特征范围约束条件进行匹配，获取满足特征范围约束条件的预分类手势类别；计算所述手部状态的特征编码与各个预分类手势类别的相似度；根据相似度确定所述待识别图像中手势的手势类别。4.如权利要求1所述的手势识别方法，其特征在于，所述获取待识别图像，包括：获取视频数据；对所述视频数据进行预处理操作，得到所述待识别图像。5.如权利要求4所述的手势识别方法，其特征在于，所述预处理操作包括色域转换操作、边缘裁剪操作以及等比例缩放图像尺寸操作。6.如权利要求1所述的手势识别方法，其特征在于，所述根据所述手部状态识别出待识别图像中手势的分类结果之后，还包括：根据预设帧数的所述待识别图像对应的分类结果确定出人手的目标手势类...
【专利技术属性】
技术研发人员：叶显一，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：
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。