CN105528078A - 控制电子设备的方法及装置 - Google Patents

Abstract

本公开是关于一种控制电子设备的方法及装置。所述方法包括：确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果；对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；当所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。本公开技术方案可以在不牺牲预设形状手势的检测速度的情况下，大大提高预设形状手势检测的准确率；还可以避免用户手动操作电子设备上的实体按键，进而避免由于手动操作实体按键对电子设备需要执行的功能(例如，拍摄图像)的影响。

Description

控制电子设备的方法及装置

技术领域

本公开涉及终端技术领域，尤其涉及一种控制电子设备的方法及装置。

背景技术

当用户通过智能手机进行自拍时，通常需要触发智能手机上的实体按键，在通过智能手机背部的摄像头进行自拍时，触发实体按键容易导致智能手机的抖动，从而影响图像的拍摄质量。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种控制电子设备的方法及装置，用以避免用户手动操作电子设备上的实体按键。

根据本公开实施例的第一方面，提供一种控制电子设备的方法，包括：

确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果；

对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

当所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。

在一实施例中，所述方法还可包括：

确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

将所述第一特征向量进行LDA映射，得到第二特征向量；

通过所述第二特征向量对多个弱分类器进行迭代训练；

在训练次数达到预设阈值时，停止训练所述多个弱分类器，得到第四设定数量的强分类器；

通过所述第四设定数量的强分类器确定所述已训练的adaboost分类器的模型参数。

在一实施例中，所述通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果，可包括：

确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

对所述第三特征向量进行LDA映射，得到第四特征向量；

将所述第四特征向量作为已训练的adaboost分类器的输入特征，通过所述已训练的adaboost分类器得到所述每一个候选扫描区域的判定结果。

在一实施例中，所述对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势，可包括：

从所述每一个候选扫描区域的判定结果中确定能够表示所述图像中存在预设形状手势的第五设定数量的判决结果；

根据所述第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

在聚类合并后的区域内采用所述预设形状手势对应的模板进行滑窗匹配；

如果匹配到所述预设形状手势，确定所述图像中存在所述预设形状手势；

如果未匹配到所述预设形状手势，确定所述图像中不存在所述预设形状手势。

在一实施例中，所述确定电子设备捕获到的图像中的第一设定数量的候选扫描区域，可包括：

确定电子设备捕获到的图像中的人脸位置；

根据所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

对所述待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

在一实施例中，所述根据所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域，可包括：

根据所述人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

在所述第二预设尺寸的窗口区域内根据预设的像素分布值对所述第二预设尺寸的窗口区域进行筛选，得到所述第一预设尺寸的窗口区域，所述第一预设尺寸小于所述第二预设尺寸。

根据本公开实施例的第二方面，提供一种控制电子设备的装置，包括：

第一确定模块，被配置为确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

第二确定模块，被配置为通过已训练的adaboost分类器的模型参数确定所述第一确定模块确定的所述第一设定数量的候选扫描区域各自对应的判定结果；

第三确定模块，被配置为对所述第二确定模块确定的所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

第一控制模块，被配置为当所述第三确定模块确定所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。

在一实施例中，所述装置还可包括：

第四确定模块，被配置为确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

映射模块，被配置为将所述第四确定模块确定的所述第一特征向量进行LDA映射，得到第二特征向量；

训练模块，被配置为通过所述映射模块得到的所述第二特征向量对多个弱分类器进行迭代训练；

第二控制模块，被配置为在所述训练模块进行迭代训练的训练次数达到预设阈值时，控制所述训练模块停止训练所述多个弱分类器，得到第四设定数量的强分类器；

第五确定模块，被配置为通过所述第二控制模块得到的所述第四设定数量的强分类器确定所述已训练的adaboost分类器的模型参数。

在一实施例中，所述第二确定模块可包括：

第一确定子模块，被配置为确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

映射子模块，被配置为对所述第一确定子模块得到的所述第三特征向量进行LDA映射，得到第四特征向量；

处理子模块，被配置为将所述映射子模块得到的所述第四特征向量作为已训练的adaboost分类器的输入特征，通过所述已训练的adaboost分类器得到所述每一个候选扫描区域的判定结果。

在一实施例中，所述第三确定模块可包括：

第二确定子模块，被配置为从所述每一个候选扫描区域的判定结果中确定能够表示所述图像中存在预设形状手势的第五设定数量的判决结果；

聚类合并子模块，被配置为根据所述第二确定子模块确定的所述第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

滑动子模块，被配置为在所述聚类合并子模块得到的所述聚类合并后的区域内采用所述预设形状手势对应的模板进行滑窗匹配；

第三确定子模块，被配置为如果所述滑动子模块匹配到所述预设形状手势，确定所述图像中存在所述预设形状手势；

第四确定子模块，被配置为如果所述滑动子模块未匹配到所述预设形状手势，确定所述图像中不存在所述预设形状手势。

在一实施例中，所述第一确定模块可包括：

第五确定子模块，被配置为确定电子设备捕获到的图像中的人脸位置；

第六确定子模块，被配置为根据所述第五确定子模块确定的所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

扫描子模块，被配置为对所述第六确定子模块确定的所述待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

在一实施例中，所述第六确定子模块可包括：

第七确定子模块，被配置为根据所述人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

筛选子模块，被配置为在所述第七确定子模块确定的所述第二预设尺寸的窗口区域内根据预设的像素分布值对所述第二预设尺寸的窗口区域进行筛选，得到所述第一预设尺寸的窗口区域，所述第一预设尺寸小于所述第二预设尺寸。

根据本公开实施例的第三方面，提供一种控制电子设备的装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果；

对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

当所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。

本公开的实施例提供的技术方案可以包括以下有益效果：通过已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势，从而可以在不牺牲预设形状手势的检测速度的情况下，大大提高预设形状手势检测的准确率；通过控制电子设备执行预设形状手势的操作，可以避免用户手动操作电子设备上的实体按键，进而避免由于手动操作实体按键对电子设备需要执行的功能(例如，拍摄图像)的影响，提高用户操作电子设备的体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的控制电子设备的方法的流程图。

图2是根据一示例性实施例一示出的如何训练adaboost分类器的流程图。

图3是根据一示例性实施例二示出的控制电子设备的方法的流程图。

图4是根据一示例性实施例三示出的控制电子设备的方法的流程图。

图5A是根据一示例性实施例四示出的控制电子设备的方法的流程图。

图5B是根据一示例性实施例四示出的步骤S502的流程图。

图6是根据一示例性实施例示出的一种控制电子设备的装置的框图。

图7是根据一示例性实施例示出的另一种控制电子设备的装置的框图。

图8是根据一示例性实施例示出的又一种控制电子设备的装置的框图。

图9是根据一示例性实施例示出的再一种控制电子设备的装置的框图。

图10是根据一示例性实施例示出的一种适用于控制电子设备的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的控制电子设备的方法的流程图；该控制电子设备的方法可以应用在安装有摄像装置的终端设备(例如：智能电视、智能手机、平板电脑)上，如图1所示，该控制电子设备的方法包括以下步骤S101-S104：

在步骤S101中，确定电子设备捕获到的图像中的第一设定数量的候选扫描区域。

在一实施例中，由于用户的手势通常位于人脸附近的区域，因此可以通过确定电子设备捕获到的图像中的人脸位置，根据人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域，对待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。在一实施例中，第一设定数量的值与已训练的adaboost分类器的个数相同。在一实施例中，待搜索区域的大小可以与对adaboost分类器进行训练时所采用的图像样本的大小相同。

在步骤S102中，通过已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果。

在一实施例中，可以通过确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量，对第三特征向量进行LDA映射，得到第四特征向量，将第四特征向量作为已训练的adaboost分类器的输入特征，得到每一个候选扫描区域的判定结果。在一实施例中，判定结果可以为0或者1，以表示对应的候选扫描区域中是否存在预设形状手势。在一实施例中，第四特征向量的长度与已训练的adaboost分类器的输入维度相同。

在步骤S103中，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势。

例如，有N(N为大于1的正整数)个48*32的候选扫描区域，其中有M(M为小于N的正整数)个候选扫描区域对应的判定结果表示为1，则对该M个候选扫描区域进行聚类合并，从而得到一个聚类合并后的区域，通过识别该聚类合并后的区域确定图像中是否存在预设形状手势。

在步骤S104中，当图像中存在预设形状手势时，控制电子设备执行预设形状手势的操作。

在一实施例中，预设形状手势可以为“V”字形，也可以为全部手掌展开的形状，还可以为“OK”的形状，等等，本公开对预设形状手势的具体形状不做限制。只要能够通过相关图像识别技术识别出图像中是否存在相应的预设形状手势即可。在一实施例中，预设形状手势的操作例如可以为：触发电子设备进行自拍、控制电子设备开始播放视频文件、控制电子设备暂停播放视频文件等等，例如，当用户在观看智能电视时，该智能电视的边框上安装有摄像装置，当检测到用户发起的手势为“OK”的形状时，则控制电子设备播放当前显示的视频文件，当检测到用户发起的手势为停止的手势时，则控制电子设备暂停当前正在播放的视频文件，再例如，当用户通过智能手机的背面的摄像头自拍时，由于此时用户不宜操作自拍按键，此时用户通过“V”字形手势，电子设备通过本公开检测到“V”字形的手势后，即可对用户进行拍照。

本实施例中，通过已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势，从而可以在不牺牲预设形状手势的检测速度的情况下，大大提高预设形状手势检测的准确率；通过控制电子设备执行预设形状手势的操作，可以避免用户手动操作电子设备上的实体按键，进而避免由于手动操作实体按键对电子设备需要执行的功能(例如，拍摄图像)的影响，提高用户操作电子设备的体验。

在一实施例中，方法还可包括：

确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

将第一特征向量进行LDA映射，得到第二特征向量；

通过第二特征向量对多个弱分类器进行迭代训练；

在训练次数达到预设阈值时，停止训练多个弱分类器，得到第四设定数量的强分类器；

通过第四设定数量的强分类器确定已训练的adaboost分类器的模型参数。

在一实施例中，通过已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果，可包括：

确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

对第三特征向量进行LDA映射，得到第四特征向量；

将第四特征向量作为已训练的adaboost分类器的输入特征，通过已训练的adaboost分类器得到每一个候选扫描区域的判定结果。

在一实施例中，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势，可包括：

从每一个候选扫描区域的判定结果中确定能够表示图像中存在预设形状手势的第五设定数量的判决结果；

根据第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

在聚类合并后的区域内采用预设形状手势对应的模板进行滑窗匹配；

如果匹配到预设形状手势，确定图像中存在预设形状手势；

如果未匹配到预设形状手势，确定图像中不存在预设形状手势。

在一实施例中，确定电子设备捕获到的图像中的第一设定数量的候选扫描区域，可包括：

确定电子设备捕获到的图像中的人脸位置；

根据人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

对待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

在一实施例中，根据人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域，可包括：

根据人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

在第二预设尺寸的窗口区域内根据预设的像素分布值对第二预设尺寸的窗口区域进行筛选，得到第一预设尺寸的窗口区域，第一预设尺寸小于第二预设尺寸。

具体如何控制电子设备的，请参考后续实施例。

至此，本公开实施例提供的上述方法，可以在不牺牲预设形状手势的检测速度的情况下，大大提高预设形状手势检测的准确率；还可以避免用户手动操作电子设备上的实体按键，进而避免由于手动操作实体按键对电子设备需要执行的功能(例如，拍摄图像)的影响，提高用户操作电子设备的体验。

下面以具体实施例来说明本公开实施例提供的技术方案。

图2是根据一示例性实施例一示出的如何训练adaboost分类器的流程图；本实施例利用本公开实施例提供的上述方法，以如何训练adaboost分类器为例进行示例性说明，如图2所示，包括如下步骤：

在步骤S201中，确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量。

在步骤S202中，将第一特征向量进行LDA映射，得到第二特征向量。

在步骤S203中，通过第二特征向量对多个弱分类器进行迭代训练。

在步骤S204中，在训练次数达到预设阈值时，停止训练多个弱分类器，得到第四设定数量的强分类器。

在步骤S205中，通过第四设定数量的强分类器确定已训练的adaboost分类器的模型参数。

在对adaboost分类器进行训练的阶段，需要准备大量(例如，第二设定数量)的手势图像样本和大量(例如，第二设定数量)的非手势图像样本，将全部的图像样本归一化为48*32的分辨率。在此，得到了两类样本，一类为“+”样本，即手势图像样本，大概2w左右，一类为“-”样本，即为非手势图像样本，大概50w左右。

在一实施例中，可以通过计算和统计手势图像样本和非手势图像样本中的图像局部区域的梯度方向直方图(HistogramofOrientedGradient，简称为HOG)特征，形成本公开中所述的第一特征向量；在一实施例中，第一特征向量的维度可以为万级以上，例如，第一特征向量中包含有手势图像样本和非手势图像样本的10W个特征，为了使该10W个特征能够支持adaboost分类器的输入维度，可以通过线性判别式分析(LinearDiscriminantAnalysis，简称为LDA)方法将第一特征向量进行降维，得到第二特征向量，此时可以将第二特征向量作为adaboost分类器的弱特征，进而按照adaboost分类器的训练流程对adaboost分类器中的多个弱分类器进行迭代训练。

在一实施例中，预设阈值可以由adaboost分类器的输出维度来确定，例如，需要100个弱分类器进行加权得到，则迭代训练100次，每次均可以得到一个强分类器，由此可以得到第四设定数量为100的强分类器，将该100个强分类器按照已训练的权重参数进行加权求和，当满足分类结果的精度时，停止训练adaboost分类器，将训练得到的各个强分类器的权重参数以及相应的分类阈值作为已训练的adaboost分类器的模型参数。

本实施例中，通过充分利用adaboost分类器快速检测的特点，将adaboost分类器框架里面的弱特征换成通过HOG+LDA处理的特征集合，既利用了adaboost分类器快速的特点，又融合了HOG较好的描述轮廓特征的特点，因此可以大大提高预设形状手势识别的准确度。

图3是根据一示例性实施例二示出的控制电子设备的方法的流程图；本实施例利用本公开实施例提供的上述方法，以如何通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果为例进行示例性说明，如图3所示，包括如下步骤：

在步骤S301中，确定电子设备捕获到的图像中的第一设定数量的候选扫描区域。

步骤S301的描述可以参见上述图1所示实施例的描述，在此不再详述。

在步骤S302中，确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量。

在一实施例中，可以通过计算和统计每一个候选扫描区域中的图像局部区域的HOG特征，形成本公开中所述的第三特征向量。在一实施例中，第三特征向量的维数可以与第一特征向量的维数相同。

在步骤S303中，对第三特征向量进行LDA映射，得到第四特征向量。

在一实施例中，可以采用与上述训练adaboost分类器时对第一特征向量进行降维相似的方法将第三特征向量进行降维。在一实施例中，第四特征向量的维数可以与第二特征向量的维数相同。

在步骤S304中，将第四特征向量作为已训练的adaboost分类器的输入特征，得到每一个候选扫描区域的判定结果。

在一实施例中，将第四特征向量作为已训练的adaboost分类器的输入特征，通过已训练的adaboost分类器的模型参数对第四特征向量进行加权求和后，按照模型参数中已训练到的阈值对第四特征向量进行分类，从而得到每一个候选扫描区域的判定结果，例如，对于N个48*32大小的候选扫描区域，得到M个候选扫描区域的判定结果表示该候选扫描区域存在预设形状手势(可以以1表示)，(N-M)个候选扫描区域的判定结果表示该候选扫描区域不存在预设形状手势(可以以0表示)。

在步骤S305中，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势。

在一实施例中，由于M个候选扫描区域在图像中的所表示的区域不同，但均包含了整个预设形状手势或者部分预设形状手势，因此可以对判定结果表示该候选扫描区域存在预设形状手势的M个候选扫描区域进行聚类合并，从而可以确保聚类合并后的区域中包含有易于识别的预设形状手势。

在步骤S306中，当图像中存在预设形状手势时，控制电子设备执行预设形状手势的操作。

步骤S305和步骤S306的描述可以参见上述图1所示实施例的描述，在此不再详述。

本实施例在具有上述实施例的有益技术效果的基础上，通过将第四特征向量作为已训练的adaboost分类器的输入特征，得到每一个候选扫描区域的判定结果，对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势，从而可以确保聚类合并后的区域中包含有易于识别的预设形状手势，提高检测预设形状手势的准确度。

图4是根据一示例性实施例三示出的控制电子设备的方法的流程图；本实施例利用本公开实施例提供的上述方法，以对每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势为例进行示例性说明，如图4所示，包括如下步骤：

在步骤S401中，确定电子设备捕获到的图像中的第一设定数量的候选扫描区域。

步骤S401的描述可以参见上述图1所示实施例的描述，在此不再详述。

在步骤S402中，通过已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果。

步骤S402的描述可以参见上述图3所示实施例的描述，在此不再详述。

在步骤S403中，从每一个候选扫描区域的判定结果中确定能够表示图像中存在预设形状手势的第五设定数量的判决结果。

在步骤S404中，根据第五设定数量的判决结果对应的候选扫描区域进行聚类合并。

在一实施例中，例如，在得到每一个候选扫描区域的判定结果后，对于N个(本公开中的第一设定数量)48*32大小的候选扫描区域，得到M个(本公开中的第五设定数量)候选扫描区域的判定结果表示该候选扫描区域存在预设形状手势(可以以1表示)，(N-M)个候选扫描区域的判定结果表示该候选扫描区域不存在预设形状手势(可以以0表示)。在一实施例中，对M个候选扫描区域进行聚类合并的方法可以参见相关技术中关于聚类合并的描述，本公开不再详述。

在步骤S405中，在聚类合并后的区域内采用预设形状手势对应的模板进行滑窗匹配，确定是否匹配到预设形状手势，如果匹配到预设形状手势，执行步骤S406，如果未匹配到预设形状手势，执行步骤S408。

在一实施例中，聚类合并后的区域内采用预设形状手势对应的模板进行滑窗匹配的匹配方法可以参见相关技术中关于模板匹配的描述，本公开不再详述。

在步骤S406中，如果匹配到预设形状手势，控制电子设备执行预设形状手势的操作。

步骤S406的描述可以参见上述图1所示实施例的描述，在此不再详述。

在步骤S407中，如果未匹配到预设形状手势，确定图像中不存在预设形状手势。

在一实施例中，当确定图像中不存在预设形状手势时，电子设备继续执行当前的操作。

本实施例在具有上述实施例的有益技术效果的基础上，从每一个候选扫描区域的判定结果中确定能够表示图像中存在预设形状手势的第五设定数量的判决结果，根据第五设定数量的判决结果对应的候选扫描区域进行聚类合并，从而可以确保参与聚类合并的候选扫描区域均为包含有预设形状手势的候选区域，避免不存在预设形状手势的候选区域对聚类合并后的区域的干扰，从而使得聚类合并后的区域中只包含易于识别的预设形状手势，提高检测预设形状手势的准确度。

图5A是根据一示例性实施例四示出的控制电子设备的方法的流程图，图5B是根据一示例性实施例四示出的步骤S502的流程图；本实施例利用本公开实施例提供的上述方法，以如何得到第一设定数量的候选扫描区域为例进行示例性说明，如图5A所示，包括如下步骤：

在步骤S501中，确定电子设备捕获到的图像中的人脸位置。

在一实施例中，可以通过相关技术中的人脸检测器得到图像中的人脸位置，本公开在此不详述。

在步骤S502中，根据人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域。

在一实施例中，根据用户习惯，通常预设形状手势位于人脸附近的区域，为了避免对整个图像进行扫描识别，可以在人脸位置附近确定一个第一预设尺寸的窗口区域作为待搜索区域，例如，图像的分辨率为1000*1000，检测到人脸位置在图像上的[500，600]处，此时可以以[500，600]为参考位置，确定一个以[500，600]为中心，长度和宽度均为150像素点的窗口区域，该窗口区域的左上角坐标为[350,450]，右下角坐标为[650，750]，即可得到待搜索区域。

在步骤S503中，对待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

对该区域进行金字塔层级遍历扫描，金字塔层级扫描的方式可以参见图像金字塔的相关描述，本公开不再详述。

对于步骤S502，由于预设形状手势在图像中通常会表现为单一的肤色，因此可以通过颜色值在人脸位置附近确定出一个较小的待搜索区域，如图5B所示，具体可以包括如下步骤：

在步骤S511中，根据人脸位置在人脸周围确定一个第二预设尺寸的窗口区域。

例如，第二预设尺寸的窗口区域的大小为以[500，600]为中心，长度和宽度均为200像素点的窗口区域，该窗口区域的左上角坐标为[400，500]，右下角坐标为[600，700]，此时第二预设尺寸为200*200。

在步骤S512中，在第二预设尺寸的窗口区域内根据预设的像素分布值对第二预设尺寸的窗口区域进行筛选，得到第一预设尺寸的窗口区域，第一预设尺寸小于第二预设尺寸。

例如，在确定了一个较大的窗口区域后，可以通过对第二预设尺寸的窗口区域中的颜色值(可以为RGB计算后得到的灰度值，也可以为RGB三色各自的分布值)进行识别，进而在第二预设尺寸的窗口区域中筛选出接近肤色的区域，将该区域作为第一预设尺寸的窗口区域，例如，第一预设尺寸的窗口区域例如为以[600，500]为中心，长度和宽度均为100像素点的窗口区域，此时第一预设尺寸为100*100。

本实施例中，根据人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域，对待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域，从而可以避免对整个图像进行扫描识别，降低图像扫描的复杂度，缩短预设形状手势的识别时间；根据人脸位置在人脸周围确定一个第二预设尺寸的窗口区域，在第二预设尺寸的窗口区域内根据预设的像素分布值对第二预设尺寸的窗口区域进行筛选，得到待搜索区域，从而可以降低后续对待搜索区域进行扫描的计算量，提高预设形状手势的识别效率。

图6是根据一示例性实施例示出的一种控制电子设备的装置的框图，如图6所示，控制电子设备的装置包括：

第一确定模块61，被配置为确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

第二确定模块62，被配置为通过已训练的adaboost分类器的模型参数确定第一确定模块61确定的第一设定数量的候选扫描区域各自对应的判定结果；

第三确定模块63，被配置为对第二确定模块62确定的每一个候选扫描区域的判定结果进行聚类合并后确定图像中是否存在预设形状手势；

第一控制模块64，被配置为当第三确定模块63确定图像中存在预设形状手势时，控制电子设备执行预设形状手势的操作。

图7是根据一示例性实施例示出的另一种控制电子设备的装置的框图，如图7所示，在上述图6所示实施例的基础上，在一实施例中，装置还可包括：

第四确定模块65，被配置为确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

映射模块66，被配置为将第四确定模块65确定的第一特征向量进行LDA映射，得到第二特征向量；

训练模块67，被配置为通过映射模块66得到的第二特征向量对多个弱分类器进行迭代训练；

第二控制模块68，被配置为在训练模块67进行迭代训练的训练次数达到预设阈值时，控制训练模块67停止训练多个弱分类器，得到第四设定数量的强分类器；

第五确定模块69，被配置为通过第二控制模块68得到的第四设定数量的强分类器确定已训练的adaboost分类器的模型参数，第二确定模块62通过第五确定模块69得到的已训练的adaboost分类器的模型参数确定第一设定数量的候选扫描区域各自对应的判定结果。

图8是根据一示例性实施例示出的又一种控制电子设备的装置的框图，如图8所示，在上述图6或图7所示实施例的基础上，在一实施例中，第二确定模块62可包括：

第一确定子模块621，被配置为确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

映射子模块622，被配置为对第一确定子模块621得到的第三特征向量进行LDA映射，得到第四特征向量；

处理子模块623，被配置为将映射子模块622得到的第四特征向量作为已训练的adaboost分类器的输入特征，通过已训练的adaboost分类器得到每一个候选扫描区域的判定结果。

在一实施例中，第三确定模块63可包括：

第二确定子模块631，被配置为从每一个候选扫描区域的判定结果中确定能够表示图像中存在预设形状手势的第五设定数量的判决结果；

聚类合并子模块632，被配置为根据第二确定子模块631确定的第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

滑动子模块633，被配置为在聚类合并子模块632得到的聚类合并后的区域内采用预设形状手势对应的模板进行滑窗匹配；

第三确定子模块634，被配置为如果滑动子模块633匹配到预设形状手势，确定图像中存在预设形状手势；

第四确定子模块635，被配置为如果滑动子模块633未匹配到预设形状手势，确定图像中不存在预设形状手势。

图9是根据一示例性实施例示出的再一种控制电子设备的装置的框图，如图9所示，在上述图6-图8任一所示实施例的基础上，在一实施例中，第一确定模块61可包括：

第五确定子模块611，被配置为确定电子设备捕获到的图像中的人脸位置；

第六确定子模块612，被配置为根据第五确定子模块611确定的人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

扫描子模块613，被配置为对第六确定子模块612确定的待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

在一实施例中，第六确定子模块612可包括：

第七确定子模块6121，被配置为根据人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

筛选子模块6122，被配置为在第七确定子模块6121确定的第二预设尺寸的窗口区域内根据预设的像素分布值对第二预设尺寸的窗口区域进行筛选，得到第一预设尺寸的窗口区域，第一预设尺寸小于第二预设尺寸。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图10是根据一示例性实施例示出的一种适用于控制电子设备的装置的框图。例如，装置1000可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图10，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制装置1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理部件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在设备1000的操作。这些数据的示例包括用于在装置1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1006为装置1000的各种组件提供电力。电力组件1006可以包括电源管理系统，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述装置1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1008包括一个前置摄像头和/或后置摄像头。当设备1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当装置1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到设备1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由装置1000的处理器1020执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

1.一种控制电子设备的方法，其特征在于，所述方法包括：

确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果；

对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

当所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

将所述第一特征向量进行LDA映射，得到第二特征向量；

通过所述第二特征向量对多个弱分类器进行迭代训练；

在训练次数达到预设阈值时，停止训练所述多个弱分类器，得到第四设定数量的强分类器；

通过所述第四设定数量的强分类器确定所述已训练的adaboost分类器的模型参数。

3.根据权利要求1所述的方法，其特征在于，所述通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果，包括：

确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

对所述第三特征向量进行LDA映射，得到第四特征向量；

将所述第四特征向量作为已训练的adaboost分类器的输入特征，通过所述已训练的adaboost分类器得到所述每一个候选扫描区域的判定结果。

4.根据权利要求1所述的方法，其特征在于，所述对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势，包括：

从所述每一个候选扫描区域的判定结果中确定能够表示所述图像中存在预设形状手势的第五设定数量的判决结果；

根据所述第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

在聚类合并后的区域内采用所述预设形状手势对应的模板进行滑窗匹配；

如果匹配到所述预设形状手势，确定所述图像中存在所述预设形状手势；

如果未匹配到所述预设形状手势，确定所述图像中不存在所述预设形状手势。

5.根据权利要求1所述的方法，其特征在于，所述确定电子设备捕获到的图像中的第一设定数量的候选扫描区域，包括：

确定电子设备捕获到的图像中的人脸位置；

根据所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

对所述待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

6.根据权利要求5所述的方法，其特征在于，所述根据所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域，包括：

根据所述人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

在所述第二预设尺寸的窗口区域内根据预设的像素分布值对所述第二预设尺寸的窗口区域进行筛选，得到所述第一预设尺寸的窗口区域，所述第一预设尺寸小于所述第二预设尺寸。

7.一种控制电子设备的装置，其特征在于，所述装置包括：

第一确定模块，被配置为确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

第二确定模块，被配置为通过已训练的adaboost分类器的模型参数确定所述第一确定模块确定的所述第一设定数量的候选扫描区域各自对应的判定结果；

第三确定模块，被配置为对所述第二确定模块确定的所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

第一控制模块，被配置为当所述第三确定模块确定所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第四确定模块，被配置为确定第二设定数量的手势图像正样本和第三设定数量的手势图像负样本中的梯度方向直方图的第一特征向量；

映射模块，被配置为将所述第四确定模块确定的所述第一特征向量进行LDA映射，得到第二特征向量；

训练模块，被配置为通过所述映射模块得到的所述第二特征向量对多个弱分类器进行迭代训练；

第二控制模块，被配置为在所述训练模块进行迭代训练的训练次数达到预设阈值时，控制所述训练模块停止训练所述多个弱分类器，得到第四设定数量的强分类器；

第五确定模块，被配置为通过所述第二控制模块得到的所述第四设定数量的强分类器确定所述已训练的adaboost分类器的模型参数。

9.根据权利要求7所述的装置，其特征在于，所述第二确定模块包括：

第一确定子模块，被配置为确定第一设定数量的候选扫描区域的每一个候选扫描区域的梯度方向直方图的第三特征向量；

映射子模块，被配置为对所述第一确定子模块得到的所述第三特征向量进行LDA映射，得到第四特征向量；

处理子模块，被配置为将所述映射子模块得到的所述第四特征向量作为已训练的adaboost分类器的输入特征，通过所述已训练的adaboost分类器得到所述每一个候选扫描区域的判定结果。

10.根据权利要求7所述的装置，其特征在于，所述第三确定模块包括：

第二确定子模块，被配置为从所述每一个候选扫描区域的判定结果中确定能够表示所述图像中存在预设形状手势的第五设定数量的判决结果；

聚类合并子模块，被配置为根据所述第二确定子模块确定的所述第五设定数量的判决结果对应的候选扫描区域进行聚类合并；

滑动子模块，被配置为在所述聚类合并子模块得到的所述聚类合并后的区域内采用所述预设形状手势对应的模板进行滑窗匹配；

第三确定子模块，被配置为如果所述滑动子模块匹配到所述预设形状手势，确定所述图像中存在所述预设形状手势；

第四确定子模块，被配置为如果所述滑动子模块未匹配到所述预设形状手势，确定所述图像中不存在所述预设形状手势。

11.根据权利要求7所述的装置，其特征在于，所述第一确定模块包括：

第五确定子模块，被配置为确定电子设备捕获到的图像中的人脸位置；

第六确定子模块，被配置为根据所述第五确定子模块确定的所述人脸位置确定一个第一预设尺寸的窗口区域作为待搜索区域；

扫描子模块，被配置为对所述第六确定子模块确定的所述待搜索区域采用金字塔层级遍历扫描，得到第一设定数量的候选扫描区域。

12.根据权利要求11所述的装置，其特征在于，所述第六确定子模块包括：

第七确定子模块，被配置为根据所述人脸位置在人脸周围确定一个第二预设尺寸的窗口区域；

筛选子模块，被配置为在所述第七确定子模块确定的所述第二预设尺寸的窗口区域内根据预设的像素分布值对所述第二预设尺寸的窗口区域进行筛选，得到所述第一预设尺寸的窗口区域，所述第一预设尺寸小于所述第二预设尺寸。

13.一种控制电子设备的装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

确定电子设备捕获到的图像中的第一设定数量的候选扫描区域；

通过已训练的adaboost分类器的模型参数确定所述第一设定数量的候选扫描区域各自对应的判定结果；

对所述每一个候选扫描区域的判定结果进行聚类合并后确定所述图像中是否存在预设形状手势；

当所述图像中存在所述预设形状手势时，控制所述电子设备执行所述预设形状手势的操作。