CN104914985A - 手势控制方法及系统与视频流处理装置 - Google Patents

Abstract

一种手势控制方法及系统与视频流处理装置。手势控制方法适用视频流处理装置，且包括下列步骤。侦测第一影像中的第一操作手势。若第一操作手势符合控制条件，依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块。依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。根据第二操作手势的屏幕坐标执行操作功能。

Description

手势控制方法及系统与视频流处理装置

技术领域

本发明是有关于一种手势辨识与手势控制技术，且特别是有关于一种在三维空间中进行手势控制的方法及系统与视频流处理装置。

背景技术

传统的人机互动介面为滑鼠、键盘和摇杆，随着科技发展日新月异，为了使人机互动可以更加便利，于是有了触控、声控等技术的出现。为了使人机互动可以更加人性化，体感控制提供了一种全新的输入方式，其中之一为手势辨识，由于手势是人与人在日常生活中常用的沟通方式之一，是一种相当直觉且方便的示意方式。手势识别应用于人机介面设计、医疗康复、虚拟实境、数字艺术创作与游戏设计等領域近来渐渐受到消费者的瞩目。

手势控制逐渐广泛地应用于各式各样的人机互动介面，例如机器人遥控、电器遥控、投影片简报操作等。使用者能够于立体空间中直接以手势来操控使用者介面，而不必接触键盘、滑鼠、遥控器等输入装置，以直觉式的动作就能驱动电子产品。据此，如何于立体空间中使得控制显示画面的方式更为简便并符合多元化的使用情境，则为目前发展的重要一环。

于一般的情况中，若要基于手部的移动轨迹或位置信息来精确的操控电子装置，使用者必须依据影像获取装置的设置方式而受限于只能在特定的空间位置进行操作上，才可藉由手部定位而据以准确的操控显示屏幕上所显示的物件。换句话说，倘若使用者并非位于影像获取装置的撷取视野的中间位置，使用者将无法准确的操控显示屏幕上所显示的物件。

发明内容

有鉴于此，本发明提供一种手势控制方法及系统与视频流处理装置，可依据使用者于显示屏幕前的三维空间中进行的手势操作，来对应控制显示屏幕中所显示的各个物件。

本发明提出一种手势控制方法，适用视频流处理装置，其特征在于，所述手势控制方法包括：侦测第一影像中的第一操作手势。若第一操作手势符合控制条件，依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块。依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。根据第二操作手势的屏幕坐标执行操作功能。

在本发明的一范例实施例中，所述依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标的步骤包括：获取第一影像中使用者区块的第一尺寸。比对第一尺寸与屏幕的第二尺寸而获取坐标映射关系的归一化系数，以依据归一化系数将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。

在本发明的一范例实施例中，第一影像与第二影像对应至影像坐标系，而所述依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标的步骤包括：决定屏幕坐标系下的参考基准点。将使用者区块的使用者代表点映射至屏幕坐标系下的参考基准点，以获取影像坐标系与屏幕坐标系之间的坐标映射关系。

在本发明的一范例实施例中，所述依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标的步骤包括：依据第二操作手势相对于使用者代表点的相对位置信息与坐标映射关系，获取第二操作手势的屏幕坐标。判断相对位置信息是否符合筛选条件，从而决定第二手势是否为关联于使用者区块的有效手势。

在本发明的一范例实施例中，所述根据第二操作手势的屏幕坐标执行操作功能的步骤包括：辨识第二手势的手势特征，以依据第二操作手势的屏幕坐标与手势特征执行操作功能。

在本发明的一范例实施例中，所述使用者区块为人脸区块或是其他预设区块。

从另一观点来看，本发明提出一种视频流处理装置，其特征在于，所述视频流处理装置包括侦测模块、决定模块、坐标转换模块以及执行模块。侦测模块用以侦测第一影像中的第一操作手势。若第一操作手势符合控制条件，决定模块用以依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块。坐标转换模块用以依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。执行模块用以根据第二操作手势的屏幕坐标执行操作功能。

此外，本发明提出一种手势控制系统，其特征在于，所述手势控制系统包括影像获取单元、屏幕以及视频流处理装置。影像获取单元用以获取显示装置前的第一影像与第二影像。屏幕用以显示画面且具有屏幕坐标系。视频流处理装置电性连接至屏幕与影像获取单元，并且视频流处理装置包括侦测模块、决定模块、坐标转换模块以及执行模块。侦测模块用以侦测第一影像中的第一操作手势。若第一操作手势符合控制条件，决定模块用以依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块。坐标转换模块用以依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。执行模块用以根据第二操作手势的屏幕坐标执行操作功能。

基于上述，在使用者透过特定手势取得视频流处理装置的控制权后，本发明可将使用者影像中的脸部信息作为基准而获取一坐标转换关系，并依据坐标转换关系将操控手的位置映射至屏幕上的特定位置。藉此，视频流处理装置可依据映射转换后的定位信息来据以执行相对应的功能。也就是说，即使使用者没有位于影像获取装置的撷取视野的中间，使用者依然可控制屏幕上所显示的各个物件，从而提高在空间中对显示画面进行操作的便利性。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。

附图说明

图1为根据本发明的一范例实施例所绘示的手势控制系统的示意图；

图2为根据本发明的一范例实施例所绘示的视频流处理装置的示意图；

图3是依照本发明一实施例所绘示的一种手势控制方法的流程图；

图4A是依照本发明一实施例所绘示的决定使用者区块的示意图；

图4B是依照本发明一实施例所绘示的决定使用者区块的示意图；

图5是依照本发明一实施例所绘示的坐标转换关系的示意图；

图6A是依照本发明一实施例所绘示的手势控制方法的应用情境示意图；

图6B是依照本发明一实施例所绘示的手势控制方法的应用情境示意图；以及

图6C是依照本发明一实施例所绘示的手势控制方法的应用情境示意图。

附图标记说明

10：手势控制系统

110：屏幕

120：影像获取单元

130：视频流处理装置

131：侦测模块

132：决定模块

133：坐标转换模块

134：执行模块

Img1-1、Img1-2、Img2：影像

A、B、C、D、E：观赏者

F1、F2、F3、F4、F5：脸部区块

G1、G2、G3、G4、G5：手势

Img1-1、Img1-2、Img2：影像

P：使用者代表点

Q：参考基准点

M、N：人手特征点

GP：显示位置

I1～I5：物件

600：画面

S301～S304：本发明一实施例所述的手势控制方法的各步骤

具体实施方式

为了让使用者不受限于特定的位置上也能进行手势操控，本发明以操控者的脸部为基准来进行操作平面与显示平面之间的坐标转换，并透过侦测手势操作的位置而对应控制影像流处理装置执行相对应的功能。为了使本发明之内容更为明了，以下列举实施例作为本发明确实能够据以实施的范例。

图1为根据本发明的一范例实施例所绘示的手势控制系统的示意图。请参照图1，手势控制系统10包括屏幕110、影像获取单元120以及视频流处理装置130。视频流处理装置130电性连接至屏幕110与影像获取单元120。

在本范例实施例中，视频流处理装置130例如是数字机上盒（Set Top Box,STB）、电视游乐器或DVD播放器等具有视频信号处理能力的电子装置。屏幕110用以显示一画面或播放视频画面。例如，屏幕110可以接收经视频流处理装置130进行解码（decoding）或解压缩（decompressing）等视频处理操作后的视频流，并且将其显示为视频画面。

屏幕110可以例如是液晶显示器（Liquid Crystal Display，LCD）、发光二极体（Light-Emitting Diode，LED）显示器、场发射显示器（Field Emission Display，FED）或其他种类的显示器，本发明并不限制于此。此外，在一范例实施例中，视频流处理装置130可结合屏幕110为智能电视（Smart TV）、连网电视（Internet TV）、平板电脑（tablet PC）或笔记型电脑（notebook）等兼具视频流处理与视频画面显示能力的电子装置。

影像获取单元120例如是具有电荷耦合元件（Charge Coupled Device，CCD）或互补式金氧半导体（Complementary Metal-Oxide Semiconductor，CMOS）元件的影像感测器，用以撷取屏幕110前方的影像，让视频流处理装置130可侦测屏幕110前方的使用者在三维空间中所进行手势操作的位置及种类。举例来说，影像获取单元120可以是装设于智能电视上方的相机或摄影机，但本发明并不以此为限。

于本范例实施例中，视频流处理装置130负责接收并辨别使用者的手势变化，据以执行相对应的功能。或者是，视频流处理装置130负责接收并辨别使用者的手势变化，据以产生相对应的控制讯号，并且将控制讯号传送至智能电视，以控制智能电视执行对应于手势的预设程序。

图2为根据本发明的一范例实施例所绘示的视频流处理装置的示意图。请参照图2，视频流处理装置130包括侦测模块131、决定模块132、坐标转换模块133以及执行模块134。上述模块可由软件、硬件或其组合实作而得，在此不加以限制。软件例如是原始码、作业系统、应用软件或驱动程序等。硬件例如是中央处理单元（CentralProcessing Unit，CPU），或是其他可程序化的一般用途或特殊用途的微处理器（Microprocessor）。

图3是依照本发明一实施例所绘示的手势控制方法流程图。请参照图3，本实施例的方式适用于上述实施例中的视频流处理装置130，以下即搭配图1与图2中的各元件与模块说明本实施例手势控制方法的详细步骤。

首先，于步骤S301，侦测模块131侦测第一影像中的第一操作手势。详细来说，视频流处理装置130藉由影像获取单元120取得屏幕110前的第一影像，并对第一影像进行手部影像的侦测与辨识。举例来说，侦测模块131可藉由影像处理技术中的肤色侦测（skin color detection）演算法、边缘侦测（edge detection）演算法或其他演算法而寻找到第一影像中的手部影像区块。再者，侦测模块131可同样利用影像处理技术而进一步辨识出手部影像区块所代表的操作手势。

于是，于步骤S302，若第一操作手势符合控制条件，决定模块132依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块。简单来说，控制条件的判断用来决定视频流处理装置130的当前操控者，控制条件的设定可视实际应用状况而定。举例来说，控制条件可依照用者平常较少比划出来的手势动作而定，因此可减少其他观赏者无意间做出符合控制条件而导致控制权转换的情况发生。

于本范例实施例中，若使用者欲取得视频流处理装置130的控制权，使用者可于影像获取单元120的撷取视野范围内做出符合控制条件的手势。也就是说，一旦判定第一操作手势符合控制条件，做出第一操作手势的使用者将被视为当前的主控者，而关联于此主控者的使用者区块的信息将被作为获取坐标转换关系的参考基准。因此，决定模块132依据第一操作手势决定在第一影像中关联于第一操作手势的使用者区块，使用者区块可以是一人脸区块或是其他一预设区块，本发明对此不限制。但为了清楚说明本发明，以下将以人脸区块为例继续进行说明。

图4A是依照本发明一实施例所绘示的决定使用者区块的示意图。请参照图4A，第一影像Img1-1为影像获取单元120所拍摄的影像，且第一影像Img1-1包括观赏者A与观赏者B。于本范例中，假设控制条件为将双手握拳至于头上，由于观赏者A的手势G1符合控制条件，因此观赏者A将被识别为主控者。另一方面，观赏者B的手势G2并不符合控制条件，因此观赏者B被识别为一般的观赏者。

接着，决定模块132可依据观赏者A的手势G1决定出第一影像Img1-1中关联于手势G1的脸部区块F1。可以知道的是，由于控制条件为将双手握拳至于头上，因此决定模块132可据以判断手势G1下方的脸部区块F1代表主控者的脸部，而非将观赏者B的脸部区块F2识别为主控者的脸部区块。

图4B是依照本发明一实施例所绘示的决定使用者区块的示意图。请参照图4B，第一影像Img1-2为影像获取单元120所拍摄的影像，且第一影像Img1-2包括观赏者C与观赏者D。于本范例中，假设控制条件为将双手摊开至于脸庞，由于观赏者D的手势G4符合控制条件，因此观赏者D将被识别为主控者。另一方面，观赏者C的手势G3并不符合控制条件，因此观赏者C被识别为一般的观赏者。接着，决定模块同样可依据观赏者D的手势G4决定出第一影像Img1-2中关联于手势G4的脸部区块F4。

可以知道的是，由于本范例的控制条件为将双手摊开至于脸庞，因此决定模块132可据以判断手势G4之间的脸部区块F4代表主控者的脸部，而非将观赏者C的脸部区块F3识别为主控者的脸部区块。也就是说，决定模块132除了可依据手势与脸部区块的位置信息来识别出主控者的脸部区块之外，控制条件的信息也可用来识别出主控者的脸部区块。

在决定模块132识别出主控者并决定特定的脸部区块之后，于步骤S303，坐标转换模块133依据使用者区块的信息获取坐标映射关系，并藉由坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。需先说明的是，第二操作手势对应为主控者取得控制权后于三维空间中做出的操控手势，并经由影像获取单元120的拍摄而显示于第二影像中。

此外，屏幕110可对应为一显示平面，而此显示平面对应至一屏幕坐标系。另外，第一影像与第二影像对应为一操作平面，而此操作平面对应至一影像坐标系。坐标映射关系为屏幕坐标系以及影像坐标系之间的转换映射关系。也就是说，影像坐标系上的各个影像坐标点可依据坐标映射关系映射至屏幕坐标系上的多个屏幕坐标点。

基此，于本范例实施例中，坐标转换模块133可藉由检测第一影像或第二影像中的人脸的位置、尺寸或其他相关信息来获取屏幕坐标系以及影像坐标系之间的坐标映射关系，并据以将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。需说明的是，在多人同时观赏屏幕110的应用场景中，各个观赏者可藉由符合控制条件的手势获取控制权，且各个观赏者所对应的坐标映射关系会依照其各自的人脸位置而有所差异。

进一步来说，坐标转换模块133可获取第一影像中使用者区块的第一尺寸，并比对第一尺寸与屏幕的第二尺寸而获取坐标映射关系的归一化系数，以依据归一化系数将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标。具体来说，坐标转换模块133可获取第一影像中主控者的脸部区块的宽度、长度或面积等尺寸信息，并将脸部区块的尺寸信息与一预设尺寸进行比对而获取坐标映射关系的归一化系数。简单来说，于一范例实施例中，归一化系数可代表主控者距离屏幕110的远近关系。

再者，坐标转换模块133决定屏幕坐标系下的参考基准点，以及将使用者区块的使用者代表点映射至屏幕坐标系下的该参考基准点，以获取影像坐标系与屏幕坐标系之间的坐标映射关系。举例来说，屏幕坐标系下的参考基准点可以是屏幕110所对应的显示平面的中心点，而使用者区块的使用者代表点可以是人脸区块中的任何特征点。

此外，坐标转换模块133依据第二操作手势相对于使用者代表点的相对位置信息与坐标映射关系，获取第二操作手势的屏幕坐标。也就是说，依据第二操作手势在第二影像上与使用者代表点的相对位置信息，坐标转换模块133可利用坐标映射关系中的归一化系数与屏幕坐标系下的参考基准点而计算出第二操作手势映射在显示平面上的屏幕坐标。

具体来说，图5是依照本发明一实施例所绘示的坐标转换关系的示意图。请参照图5，在一范例实施例中，假设第一影像与第二影像的影像解析度为640x480，则第一影像与第二影像对应的操作平面70的横坐标范围可表示为0～639，则第一影像与第二影像对应的操作平面70的纵坐标范围可表示为0～479。相似的，假设屏幕110的影像解析度为1920x1080，则屏幕110对应的显示平面80的横坐标范围可表示为0～1919，则显示平面80的纵坐标范围可表示为0～1079。

于本范例实施例中，假设坐标转换模块133检测到使用者代表点P（例如，人脸中心点）位于操作平面70上的影像坐标值为（200,280），且人脸宽度为30单位。接着，坐标转换模块133将显示平面80上中心点Q作为屏幕坐标系下的参考基准点，并将使用者代表点P映射到中心点Q，而Q点的坐标值为（960,540）。假设本实施例中预设人脸宽度为90单位，则可算出归一化系数为90除以30等于3。简单来说，由于人脸有一定的面积尺寸，因此量测脸部区块的尺寸可用来代表主控者距离屏幕110的远近，而归一化系数即用来代表主控者距离屏幕110的远近。虽然上述范例以脸部宽度为例，但本发明不限于此，于其他范例实施例中，也可利用脸部长度或面积来计算出归一化系数。

接着，坐标转换模块133依据第二操作手势相对于使用者代表点的相对位置信息与坐标映射关系，获取第二操作手势的屏幕坐标。于本范例中，假设坐标转换模块133利用第二手势的人手特征点M（例如中指指尖）来代表第二手势的位置。因此，若第二手势的人手特征点M（例如中指指尖）位于操作平面70上的影像坐标值经侦测为（320,180），则人手特征点M与使用者代表点P的相对位置信息经归一化处理后的结果可由式（1）与式（2）而获取。

（320-200）*3=360     式（1）

（180-280）*3=-300     式（2）

其中式（1）的计算结果代表横坐标轴上的人手特征点M与使用者代表点P的相对位置信息，式（2）的计算结果代表纵坐标轴上的人手特征点M与使用者代表点P的相对位置信息。

基此，依据显示平面80上中心点Q的坐标值与经归一化处理后的相对位置信息可获取第二手势的人手特征点N位于显示平面80上的屏幕坐标。第二手势的人手特征点N位于显示平面80上之横坐标值与纵坐标值可经由由式（3）与式（4）获取。

960+360=1320     式（3）

540-300=240     式（4）

其中式（3）的计算结果代表人手特征点N位于显示平面80上的横坐标值，式（4）的计算结果代表人手特征点N位于显示平面80上的纵坐标值。也就是说，第二手势的人手特征点N位于显示平面80上的屏幕坐标值经计算为（1320,240）。

值得一提的是，坐标转换模块133还可判断相对位置信息是否符合一筛选条件，从而决定该第二手势是否为关联于使用者区块的有效手势。如此一来，可避免将非主控者的手势识别为控制手势而造成误判的情况发生。进一步来说，影像上人脸的大小与手长应当具有一定的比例关系。因此，可藉由脸部区块与手部区块之间的距离而从影像中获取属于主控者的有效手势。

总的来说，本发明藉由特定的手势条件来决定主控者。一旦决定主控者之后，将主控者的使用者区块视为基准点来进行坐标转换，并以使用者区块的位置为基准而进一步筛选出由主控者下达的操作手势。

之后，于步骤S304，执行模块134根据第二操作手势的屏幕坐标执行操作功能。也就是说，一旦坐标转换模块133获取第二手势映射在屏幕110上的屏幕坐标之后，执行模块134就可依据第二手势映射于屏幕110上的屏幕坐标来执行相对应的功能。如此一来，主控者便可利用手势的位移与位置来下达操作命令，致使视频流处理装置130执行对应的功能。

举例来说，图6A～图6C是依照本发明一实施例所绘示的手势控制方法的应用情境示意图。请先参照图6A，屏幕110显示的画面600，画面600包括物件I1～物件I5，而物件I1～物件I5分别对应至不同的功能。像是，物件I1代表显示功能选单，物件I5代表播放音乐。请参照图6B，假设影像获取单元120拍摄到影像Img2，影像Img2包括的主控者E的脸部区块F5以及手势G5。接着，视频流处理装置130计算而获取手势G5映射于屏幕110上的屏幕坐标。

接着，请参照图6C，视频流处理装置130藉由影像Img2计算而获取手势G5位于屏幕110上的显示位置GP处。此外，为了提示使用者，视频流处理装置130可控制屏幕110在显示位置GP2上显示对应的手势图标。于图6A～图6C所示的范例中，由于手势G5位于屏幕110上的显示位置GP处，因此执行模块134将执行物件I1所对应的功能。

此外，执行模块134更包括判断第二手势操作的手势种类，并且执行此手势种类对应的控制屏幕110所显示的物件或执行对应的操作功能。也就是说，执行模块134可辨识手势G5的手势特征，并依据手势G5的屏幕坐标与手势特征执行操作功能。其中，手势种类与控制操作的对应关系可由使用者事先设定之，在此不设限。

综上所述，本发明藉由侦测使用者于屏幕前的三维空间中进行的手势操作，并以主控者的脸部区块为基准进行操作平面与显示平面之间的坐标转换，以将主控者的手势位置映射至屏幕坐标系。视频流处理装置可依据映射转换后的定位信息来据以执行相对应的功能。如此一来，在多人观赏屏幕的使用情境中，这些观赏者仅需利用控制手势获取控制权，且在不需移动观赏位置或转动摄像镜头的前提下就可利用手势的位置信息来下达操作命令。藉此，可提高在空间中对显示画面进行操作的便利性，并由于不需转动屏幕或摄像镜头而达到降低制造成本的功效。

虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视后附的权利要求书所界定者为准。

Claims (13)

1.一种手势控制方法，适用于视频流处理装置，其特征在于，所述手势控制方法包括：

侦测第一影像中的第一操作手势；

若该第一操作手势符合控制条件，依据该第一操作手势决定在该第一影像中关联于该第一操作手势的使用者区块；

依据该使用者区块的信息获取坐标映射关系，并藉由该坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标；以及

根据该第二操作手势的该屏幕坐标执行操作功能。

2.如权利要求1所述的手势控制方法，其特征在于，依据该使用者区块的该信息获取该坐标映射关系，并藉由该坐标映射关系将该第二操作手势在该第二影像中的坐标转换为该屏幕坐标系下的该屏幕坐标的步骤包括：

获取该第一影像中该使用者区块的第一尺寸；以及

比对该第一尺寸与该屏幕的第二尺寸而获取该坐标映射关系的归一化系数，以依据该归一化系数将该第二操作手势于该第二影像中的坐标转换为该屏幕坐标系下的该屏幕坐标。

3.如权利要求1所述的手势控制方法，其特征在于，该第一影像与该第二影像对应至影像坐标系，而依据该使用者区块的该信息获取该坐标映射关系，并藉由该坐标映射关系将该第二操作手势在该第二影像中的坐标转换为该屏幕坐标系下的该屏幕坐标的步骤包括：

决定该屏幕坐标系下的参考基准点；以及

将该使用者区块的使用者代表点映射至该屏幕坐标系下的该参考基准点，以获取该影像坐标系与该屏幕坐标系之间的该坐标映射关系。

4.如权利要求1所述的手势控制方法，其特征在于，依据该使用者区块的该信息获取该坐标映射关系，并藉由该坐标映射关系将该第二操作手势在该第二影像中的坐标转换为该屏幕坐标系下的该屏幕坐标的步骤包括：

依据该第二操作手势相对于使用者代表点的相对位置信息与该坐标映射关系，获取该第二操作手势的该屏幕坐标；以及

判断该相对位置信息是否符合筛选条件，从而决定该第二手势是否为关联于该使用者区块的有效手势。

5.如权利要求1所述的手势控制方法，其特征在于，根据该第二操作手势的该屏幕坐标执行该操作功能的步骤包括：

辨识该第二手势的手势特征，以依据该第二操作手势的该屏幕坐标与该手势特征执行该操作功能。

6.如权利要求1所述的手势控制方法，其特征在于，该使用者区块为人脸区块或是其他预设区块。

7.一种视频流处理装置，其特征在于，所述视频流处理装置包括：

侦测模块，用以侦测第一影像中的第一操作手势；

决定模块，若该第一操作手势符合控制条件，该决定模块用以依据该第一操作手势决定在该第一影像中关联于该第一操作手势的使用者区块；

坐标转换模块，用以依据该使用者区块的信息获取坐标映射关系，并藉由该坐标映射关系将第二操作手势在第二影像中的坐标转换为屏幕坐标系下的屏幕坐标；以及

执行模块，用以根据该第二操作手势的该屏幕坐标执行操作功能。

8.如权利要求7所述的视频流处理装置，其特征在于，该坐标转换模块用以获取该第一影像中该使用者区块的第一尺寸，以及比对该第一尺寸与该屏幕的第二尺寸而获取该坐标映射关系的归一化系数，以依据该归一化系数将该第二操作手势在该第二影像中的坐标转换为该屏幕坐标系下的该屏幕坐标。

9.如权利要求7所述的视频流处理装置，其特征在于，该坐标转换模块用以决定该屏幕坐标系下的参考基准点，以及将该使用者区块的使用者代表点映射至该屏幕坐标系下的该参考基准点，以获取该影像坐标系与该屏幕坐标系之间的该坐标映射关系。

10.如权利要求7所述的视频流处理装置，其特征在于，该坐标转换模块用以依据该第二操作手势相对于使用者代表点的相对位置信息与该坐标映射关系，获取该第二操作手势的该屏幕坐标，以及该坐标转换模块用以判断该相对位置信息是否符合筛选条件，从而决定该第二手势是否为关联于该使用者区块的有效手势。

11.如权利要求7所述的视频流处理装置，其特征在于，该执行模块用以辨识该第二手势的手势特征，以依据该第二操作手势的该屏幕坐标与该手势特征执行该操作功能。

12.如权利要求7所述的视频流处理装置，其特征在于，该使用者区块为人脸区块或是其他预设区块。

13.一种手势控制系统，其特征在于，所述手势控制系统包括：

屏幕，用以显示画面且具有屏幕坐标系；

影像获取单元，用以获取该屏幕前的第一影像与第二影像；

视频流处理装置，电性连接至该屏幕与该影像获取单元，并且该视频流处理装置包括：

侦测模块，用以侦测该第一影像中的第一操作手势；

决定模块，若该第一操作手势符合控制条件，该决定模块用以依据该第一操作手势决定在该第一影像中关联于该第一操作手势的使用者区块；

坐标转换模块，用以依据该使用者区块的信息获取坐标映射关系，并藉由该坐标映射关系将第二操作手势在该第二影像中的坐标转换为该屏幕坐标系下的屏幕坐标；以及

执行模块，用以根据该第二操作手势的该屏幕坐标执行操作功能。