CN106127138A - 一种手型识别的初始化方法和装置以及虚拟现实终端 - Google Patents

一种手型识别的初始化方法和装置以及虚拟现实终端 Download PDF

Info

Publication number
CN106127138A
CN106127138A CN201610452878.8A CN201610452878A CN106127138A CN 106127138 A CN106127138 A CN 106127138A CN 201610452878 A CN201610452878 A CN 201610452878A CN 106127138 A CN106127138 A CN 106127138A
Authority
CN
China
Prior art keywords
hand
type
image
static
type image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610452878.8A
Other languages
English (en)
Inventor
张超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leshi Zhixin Electronic Technology Tianjin Co Ltd
LeTV Holding Beijing Co Ltd
Original Assignee
Leshi Zhixin Electronic Technology Tianjin Co Ltd
LeTV Holding Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Leshi Zhixin Electronic Technology Tianjin Co Ltd, LeTV Holding Beijing Co Ltd filed Critical Leshi Zhixin Electronic Technology Tianjin Co Ltd
Priority to CN201610452878.8A priority Critical patent/CN106127138A/zh
Publication of CN106127138A publication Critical patent/CN106127138A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/117—Biometrics derived from hands

Abstract

本发明实施例提供了一种手型识别的初始化方法和装置以及虚拟现实终端，属于人机交互技术领域。该手型识别的初始化方法包括：获取静态手型图像；确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。本发明的手型识别的初始化装置和方法以及虚拟现实终端，在图像分割和目标检测的基础上，结合静态手型识别，选择相似度最高的手型，实现目标跟踪的初始化，提高目标的准确度，降低跟踪的误差。

Description

一种手型识别的初始化方法和装置以及虚拟现实终端
技术领域
本发明实施例涉及人机交互技术领域，尤其涉及一种手型识别的初始化方法和装置以及虚拟现实终端。
背景技术
手势识别技术是人机交互的重要技术，由简单粗略的到复杂精细的，大致可以分为三个等级：二维手型识别、二维手势识别、三维手势识别。
二维只是一个平面空间，可以用(X坐标，Y坐标)组成的坐标信息来表示一个物体在二维空间中的坐标位置，就像是一幅画出现在一面墙上的位置。三维则在此基础上增加了“深度”(Z坐标)的信息，这是二维所不包含的。
二维手型识别，也可称为静态二维手势识别，识别的是手势中最简单的一类。这种技术在获取二维信息输入之后，可以识别多个静态的手势，比如握拳或者五指张开。例如，用户可以用多个手型来控制播放器，例如，用户将手掌举起来放到摄像头前，视频就开始播放了；再把手掌放到摄像头前，视频又暂停了。
二维手势识别，比起二维手型识别来说稍难一些，但仍然基本不含深度信息，停留在二维的层面上。这种技术不仅可以识别手型，还可以识别一些简单的二维手势动作，比如对着摄像头挥挥手。二维手势识别拥有了动态的特征，可以追踪手势的运动，进而识别将手势和手部运动结合在一起的复杂动作。这样一来，就把手势识别的范围真正拓展到二维平面了，例如，不仅可以通过手势来控制计算机播放/暂停，还可以实现前进/后退/向上翻页/向下滚动这些需求二维坐标变更信息的复杂操作。
三维手势识别技术，是基于三维层面的，三维手势识别与二维手势识别的最根本区别就在于，三维手势识别需要的输入是包含有深度的信息，这就使得三维手势识别在硬件和软件两方面都比二维手势识别要复杂得多。对于一般的简单操作，比如只是想在播放视频的时候暂停或者继续放映，二维手势也就足够了。但是对于一些复杂的人机交互，比如玩游戏或者应用在VR(虚拟现实)上，三维手势是必须的。
在手势识别中，目标的跟踪很重要，目前目标跟踪初始化一般是手动完成，在配置文件中设置手型参考模型，当采集到手型图像后，将所述手型图像的手型与所述手型参考模型进行相似度比较，但是，在实现本发明的过程中，发明人发现现有对采集的手型图像进行图像分割的目标检测，存在误检和不够准确的问题，在此基础上与手动设置的手型参考模型进行比较时，将会扩大误差。
发明内容
本发明实施例的目的在于提供一种手型识别的初始化方法和装置以及虚拟现实终端，用以解决现有技术中手型识别中误检和不够准确的问题。
本发明实施例采用的技术方案如下：
本发明的一实施例提供一种手型识别的初始化方法，包括：
获取静态手型图像；
确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；
选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
较佳地，在所述获取静态手型图像之后，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度之前，所述方法还包括：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
所述确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
较佳地，所述对所述获取的静态手型图像进行图像分割得到多个分割区域具体包括：
将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
较佳地，所述对所述多个分割区域进行目标提取以得到对应的手型具体包括：
在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；
将所述提取的图像特征合并得到相应的手型。
较佳地，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明的另一实施例提供一种手型识别的初始化装置，包括：
图像获取单元，用于获取静态手型图像；
处理单元，用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；
初始化单元，用于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
较佳地，所述处理单元具体用于：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
较佳地，所述处理单元用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述处理单元用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
较佳地，所述处理单元用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述处理单元用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
较佳地，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明的另一实施例提供一种虚拟现实终端，包括：
硬件处理器，用于获取静态手型图像；确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
较佳地，所述硬件处理器还用于：对所述获取的静态手型图像进行图像分割以得到多个分割区域；对所述多个分割区域进行目标提取以得到对应的手型；
所述硬件处理器用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
较佳地，所述硬件处理器用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述硬件处理器用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
较佳地，所述硬件处理器用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述硬件处理器用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
较佳地，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明实施例的技术方案具有以下优点：
本发明实施例的手型识别的初始化装置和方法以及虚拟现实终端，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例的一种手型识别的初始化方法的流程示意图；
图2为本发明另一实施例的一种手型识别的初始化装置的结构示意图；
图3为本发明另一实施例的一种虚拟现实终端的结构示意图；
图4为本发明另一实施例的一种手型识别的初始化装置的结构示意图；
图5为本发明另一实施例的一种手型识别的初始化方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，为本发明一实施例的一种手型识别的初始化方法的流程示意图，所述手型识别的初始化方法可以应用于机器人、计算机和电视等等各种视觉机器，所述手型识别的初始化方法主要如下所述。
步骤11，获取静态手型图像。
步骤12，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度。
步骤13，选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
在本发明的另一实施例中，在所述获取静态手型图像之后，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度之前，所述方法还包括：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
所述确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
在本发明的另一实施例中，所述对所述获取的静态手型图像进行图像分割得到多个分割区域具体包括：
将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
在本发明的另一实施例中，所述对所述多个分割区域进行目标提取以得到对应的手型具体包括：
在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；
将所述提取的图像特征合并得到相应的手型。
在本发明的另一实施例中，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明实施例的手型识别的初始化方法，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
如图2所示，为本发明一实施例的一种手型识别的初始化装置的结构示意图，所述手型识别的初始化装置可以设置于机器人、计算机和电视等等各种视觉机器中，所述手型识别的初始化装置包括：图像获取单元21，处理单元22和初始化单元23。
所述图像获取单元21，用于获取静态手型图像。
所述处理单元22，用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；
所述初始化单元23，用于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
在本发明的另一实施例中，所述处理单元22具体用于：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
在本发明的另一实施例中，所述处理单元22用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述处理单元22用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
在本发明的另一实施例中，所述处理单元22用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述处理单元22用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
在本发明的另一实施例中，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明实施例的手型识别的初始化装置，所述处理单元22确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于所述初始化单元23选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
如图3所示，为本发明一实施例的一种虚拟现实终端的结构示意图，所述虚拟现实终端可以设置于机器人、计算机和电视等等各种视觉机器中，所述虚拟现实终端包括硬件处理器31和存储器32。
所述硬件处理器31，用于获取静态手型图像；确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
所述存储器32，用于存储所述多个静态手型图像样本。
在本发明的另一实施例中，所述硬件处理器31还用于：对所述获取的静态手型图像进行图像分割以得到多个分割区域；对所述多个分割区域进行目标提取以得到对应的手型；
所述硬件处理器31用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
在本发明的另一实施例中，所述硬件处理器31用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述硬件处理器31用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
在本发明的另一实施例中，所述硬件处理器31用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述硬件处理器31用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
在本发明的另一实施例中，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
本发明实施例的虚拟现实终端，所述硬件处理器31确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于所述硬件处理器31选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
如图4所示，为本发明一实施例的一种手型识别的初始化装置的结构示意图，所述手型识别的初始化装置可以设置于机器人、计算机和电视等等各种视觉机器中，所述手型识别的初始化装置包括：图像获取单元41、处理单元42、初始化单元43和存储单元44。
所述图像获取单元41，用于获取静态手型图像。
例如，所述图像获取单元41用于获取手的V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
所述图像获取单元41可以为摄像头，例如，所述图像获取单元41可以为视觉传感器，有线摄像头和无线摄像头，例如，USB摄像头，wifi摄像头，ARM接摄像头和cmos摄像头。
所述处理单元42，用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度。
例如，所述处理单元42用于对所述获取的静态手型图像进行图像分割以得到多个分割区域；对所述多个分割区域进行目标提取以得到对应的手型；将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
例如，所述处理单元42用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域；在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
在本发明的另一实施例中，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
所述图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣手势的技术和过程。例如，根据灰度、颜色、纹理和梯度等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。
所述初始化单元43，用于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
在本发明的另一实施例中，所述手型识别的初始化装置还包括存储单元44，用于存储多个静态手型图像样本，例如V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
其中，所述处理单元42确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度过程如下所述。
例如，所述存储单元44用于存储多个静态手型图像样本，例如V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
假设所述图像获取单元41获得的静态手型图像为剪刀手型图像，所述处理单元42通过图像分割和目标提取后，得到剪刀手型。
所述处理单元42将所述剪刀手型图像分别与V字、五指张开、石头、剪刀和布五个静态手型图像样本进行比较，得到相似度分别为70％、40％、1％、95％、5％。
所述处理单元42，还用于根据所述每个相似度70％、40％、1％、95％、5％，确定获得的静态手型图像对应的手型为剪刀手型。
所述初始化单元43，用于选择相似度最高的静态手型图像样本，即95％对应的静态手型图像样本，其对应的手型为剪刀手型，作为跟踪的初始化状态手型。
综上所述，本发明实施例的手型识别的初始化装置，所述处理单元42确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于所述初始化单元43选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
如图5所示，为本发明另一实施例的一种手型识别的初始化方法的流程示意图，所述手型识别的初始化方法应用于机器人、计算机和电视等等各种视觉机器中，所述手型识别的初始化方法主要如下所述。
步骤51，获取静态手型图像。
例如，通过图像获取单元获取手的V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
所述图像获取单元可以为摄像头，例如，所述图像获取单元可以为视觉传感器，有线摄像头和无线摄像头，例如，USB摄像头，wifi摄像头，ARM接摄像头和cmos摄像头。
步骤52，对所述获取的静态手型图像进行图像分割和目标提取，以得到提取的手型。
例如，对所述获取的静态手型图像进行图像分割以得到多个分割区域；对所述多个分割区域进行目标提取以得到对应的手型。
例如，将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域；在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
在本发明的另一实施例中，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
所述图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣手势的技术和过程。例如，根据灰度、颜色、纹理和梯度等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。
步骤53，将所述提取的手型分别与存储的多个静态手型图像样本进行相似比较以得到相似度。
在本发明的另一实施例中，所述手型识别的初始化方法还包括：存储多个静态手型图像样本，例如V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
其中，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度过程如下所述。
例如，存储多个静态手型图像样本，例如V字、五指张开、石头、剪刀和布等等多个静态手型图像样本的一个或多个。
假设所述图像获取单元获得的静态手型图像为剪刀手型图像，通过图像分割和目标提取后，得到剪刀手型。
将所述剪刀手型图像分别与V字、五指张开、石头、剪刀和布五个静态手型图像样本进行比较，得到相似度分别为70％、40％、1％、95％、5％。
根据所述每个相似度70％、40％、1％、95％、5％，确定获得的静态手型图像对应的手型为剪刀手型。
步骤54，选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
选择相似度最高的静态手型图像样本，即95％对应的静态手型图像样本，其对应的手型为剪刀手型，作为跟踪的初始化状态手型。
综上所述，本发明实施例的手型识别的初始化方法，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度，由于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型，所以相对于现有技术中比较采集到的手型图像和手动设置的初始化手型的相似度，本发明实施例中比较采集到的手型图像和初始化状态手型的相似度时，准确率高，因此可以实现目标跟踪的初始化自动设置，提高目标的准确度，降低跟踪的误差。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1.一种手型识别的初始化方法，其特征在于，包括：
获取静态手型图像；
确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；
选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
2.如权利要求1所述的方法，其特征在于，在所述获取静态手型图像之后，确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度之前，所述方法还包括：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
所述确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
3.如权利要求2所述的方法，其特征在于，所述对所述获取的静态手型图像进行图像分割得到多个分割区域具体包括：
将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
4.如权利要求2所述的方法，其特征在于，所述对所述多个分割区域进行目标提取以得到对应的手型具体包括：
在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；
将所述提取的图像特征合并得到相应的手型。
5.如权利要求3或4所述的方法，其特征在于，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
6.一种手型识别的初始化装置，其特征在于，包括：
图像获取单元，用于获取静态手型图像；
处理单元，用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；
初始化单元，用于选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
7.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：
对所述获取的静态手型图像进行图像分割以得到多个分割区域；
对所述多个分割区域进行目标提取以得到对应的手型；
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
8.如权利要求7所述的装置，其特征在于，所述处理单元用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述处理单元用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
9.如权利要求7所述的装置，其特征在于，所述处理单元用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述处理单元用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
10.如权利要求8或9所述的装置，其特征在于，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
11.一种虚拟现实终端，其特征在于，包括：
硬件处理器，用于获取静态手型图像；确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度；选择相似度最高的静态手型图像样本对应的手型作为跟踪的初始化状态手型。
12.如权利要求11所述的虚拟现实终端，其特征在于，所述硬件处理器还用于：对所述获取的静态手型图像进行图像分割以得到多个分割区域；对所述多个分割区域进行目标提取以得到对应的手型；
所述硬件处理器用于确定所述获取的静态手型图像分别与存储的多个静态手型图像样本的相似度具体包括：
将所述提取的手型分别与每个所述存储的静态手型图像样本对应的手型进行相似比较以得到对应的相似度。
13.如权利要求12所述的虚拟现实终端，其特征在于，所述硬件处理器用于对所述获取的静态手型图像分别进行图像分割得到多个分割区域具体包括：
所述硬件处理器用于将所述获取的静态手型图像分成若干个特定的、具有独特图像特征的所述多个分割区域。
14.如权利要求12所述的虚拟现实终端，其特征在于，所述硬件处理器用于对所述多个分割区域进行目标提取以得到对应的手型具体包括：
所述硬件处理器用于在所述每个分割区域提取不同的图像特征以将所述图像特征与背景分割开来；将所述提取的图像特征合并得到相应的手型。
15.如权利要求13或14所述的虚拟现实终端，其特征在于，所述图像特征包括如下一种或多种：灰度、颜色、纹理和梯度。
CN201610452878.8A 2016-06-21 2016-06-21 一种手型识别的初始化方法和装置以及虚拟现实终端 Pending CN106127138A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610452878.8A CN106127138A (zh) 2016-06-21 2016-06-21 一种手型识别的初始化方法和装置以及虚拟现实终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610452878.8A CN106127138A (zh) 2016-06-21 2016-06-21 一种手型识别的初始化方法和装置以及虚拟现实终端

Publications (1)

Publication Number Publication Date
CN106127138A true CN106127138A (zh) 2016-11-16

Family

ID=57470405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610452878.8A Pending CN106127138A (zh) 2016-06-21 2016-06-21 一种手型识别的初始化方法和装置以及虚拟现实终端

Country Status (1)

Country Link
CN (1) CN106127138A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113453032A (zh) * 2021-06-28 2021-09-28 广州虎牙科技有限公司 手势互动方法、装置、系统、服务器和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156859A (zh) * 2011-04-21 2011-08-17 刘津甦 手部姿态与空间位置的感知方法
CN104375631A (zh) * 2013-10-22 2015-02-25 安徽寰智信息科技股份有限公司 一种基于移动终端的非接触式交互方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156859A (zh) * 2011-04-21 2011-08-17 刘津甦 手部姿态与空间位置的感知方法
CN104375631A (zh) * 2013-10-22 2015-02-25 安徽寰智信息科技股份有限公司 一种基于移动终端的非接触式交互方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113453032A (zh) * 2021-06-28 2021-09-28 广州虎牙科技有限公司 手势互动方法、装置、系统、服务器和存储介质
CN113453032B (zh) * 2021-06-28 2022-09-30 广州虎牙科技有限公司 手势互动方法、装置、系统、服务器和存储介质

Similar Documents

Publication Publication Date Title
US9390506B1 (en) Selective object filtering and tracking
CN108717531B (zh) 基于Faster R-CNN的人体姿态估计方法
Ofli et al. Berkeley mhad: A comprehensive multimodal human action database
US9836645B2 (en) Depth mapping with enhanced resolution
US8488888B2 (en) Classification of posture states
CN104050449B (zh) 一种人脸识别方法及装置
CN106647742B (zh) 移动路径规划方法及装置
CN107683165B (zh) 用于生成计算机模型的技术以及利用它们的设备、系统和方法
JP5514918B2 (ja) 頭部認識方法
Sukanya et al. A survey on object recognition methods
CN109977983B (zh) 获得训练图像的方法及装置
CN104123749A (zh) 一种图像处理方法及系统
EP3392802A1 (en) Computer-implemented 3d model analysis method, electronic decive, and non-transitory computer readable storage medium
CN101305401A (zh) 用于游戏的立体视频
KR20170113122A (ko) 정보 처리장치 및 그 제어방법
CN106650628B (zh) 一种基于三维k曲率的指尖检测方法
JP2016014954A (ja) 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。
CN108053447A (zh) 基于图像的重定位方法、服务器及存储介质
CN105512610B (zh) 一种基于感兴趣点位置信息的视频中人体动作识别方法
US11907425B2 (en) Image processing device, image processing method, and image processing program
US11106949B2 (en) Action classification based on manipulated object movement
US20210158032A1 (en) System, apparatus and method for recognizing motions of multiple users
CN113297963A (zh) 多人姿态的估计方法、装置、电子设备以及可读存储介质
CN106127138A (zh) 一种手型识别的初始化方法和装置以及虚拟现实终端
CN109254663B (zh) 一种儿童图书辅助阅读机器人的使用方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20161116