手势识别方法及装置、芯片和电子设备制造方法及图纸

本发明专利技术公开了一种手势识别方法及装置、芯片和电子设备。为解决现有手势识别方案难以大规模商业化应用的技术问题，发明专利技术通过利用脉冲神经网络对与动态手势相关的脉冲事件进行处理，获得手型及其区位的分类结果；通过后处理模块对脉冲神经网络输出的手型及其区位的分类结果进行后处理，以识别顺时针或逆时针等动态手势状态。本发明专利技术脉冲神经网络规模小，且后处理逻辑简单、易实施，硬件化难度及芯片成本低，且具有自适应性，鲁棒性及准确率高，能够对多变的手势和用户行为进行准确的判断。本发明专利技术适于类脑芯片或事件相机领域。适于类脑芯片或事件相机领域。适于类脑芯片或事件相机领域。

【技术实现步骤摘要】
手势识别方法及装置、芯片和电子设备


[0001]本专利技术涉及手势识别方法及装置、芯片和电子设备，具体涉及低功耗、低成本、高精度且快速识别顺时针或逆时针旋转的动态手势识别方法及装置、芯片和电子设备。

技术介绍

[0002]手势识别是一个极为热门的研究和应用方向。广义的手势识别可以分为二维手型识别（可视为静态手势）、二维手势识别和三维手势识别。从传感器角度，还可以分为视觉方案（比如相机）和非视觉方案（比如ToF测距、红外）。从识别方法角度，可以分为机器学习（SVM、决策树等）、深度学习（CNN等）、模板匹配（DTW等）、统计学习（KNN等）等方法。
[0003]实现手势识别这一功能并不困难，比如可以在GPU设备上运行大型深度神经网络（比如三维卷积神经网络），以百瓦级别功耗检测复杂视觉背景下的用户手势，也可以基于PIR识别简单手势。但是目前手势识别的相关产品却很难获得大规模推广和实际应用，究其原因，除了产品的功耗、实时性以及成本外，还在于鲁棒性、准确性不足，难以应对现实场景的复杂性，由于用户体验感较差而导致商业价值不高。
[0004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：利用脉冲神经网络对与动态手势相关的脉冲事件进行处理，获得手型及其区位的分类结果；通过后处理模块对脉冲神经网络输出的手型及其区位的分类结果进行后处理，以识别动态手势状态；其中，所述脉冲神经网络基于视觉传感器采集的信号获得与动态手势相关的脉冲事件；所述视觉传感器的视野或屏幕范围被划分为多个区域，所述区位为所述多个区域中的任意区域。2.根据权利要求1所述的手势识别方法，其特征在于：后处理模块基于脉冲神经网络输出的手型及其区位的分类结果，更新趋势值；基于更新后的趋势值识别动态手势；其中，趋势值表示动态手势势能或趋势。3.根据权利要求2所述的手势识别方法，其特征在于：当更新后的趋势值满足顺时针条件，则当前手势为顺时针旋转状态；当更新后的趋势值满足逆时针条件，则当前手势为逆时针旋转状态；其中，顺时针条件和逆时针条件包括以下情形之一：i)大于或等于第一阈值为顺时针旋转时，小于或等于第二阈值为逆时针旋转；ii)小于或等于第一阈值为顺时针旋转时，大于或等于第二阈值为逆时针旋转。4.一种手势识别装置，其特征在于：包括脉冲神经网络和后处理模块；脉冲神经网络，对与动态手势相关的脉冲事件进行处理，获得手型及其区位的分类结果；后处理模块，与所述脉冲神经网络耦接，基于脉冲神经网络输出的手型及其区位的分类结果，判断动态手势的状态；其中，所述脉冲神经网络基于视觉传感器采集的信号获得与动态手势相关的脉冲事件；所述视觉传感器的视野或屏幕范围包括多个区域，所述区位为所述多个区域中的任意区域。5.根据权利要求4所述的手势识别装置，其特征在于，所述后处理模块包括：逻辑运算模块，对相邻两次脉冲神经网络输出的手型及...

【专利技术属性】
技术研发人员：刘雨杭，邢雁南，乔宁，柯政，刘雅婷，赵嘉崟，
申请(专利权)人：深圳时识科技有限公司，
类型：发明
国别省市：