CN106503620A - 基于手势的数字密码输入方法及其系统 - Google Patents

基于手势的数字密码输入方法及其系统 Download PDF

Info

Publication number
CN106503620A
CN106503620A CN201610851295.2A CN201610851295A CN106503620A CN 106503620 A CN106503620 A CN 106503620A CN 201610851295 A CN201610851295 A CN 201610851295A CN 106503620 A CN106503620 A CN 106503620A
Authority
CN
China
Prior art keywords
gesture
input
depth image
numerical ciphers
collection
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
CN201610851295.2A
Other languages
English (en)
Inventor
黄源浩
刘龙
肖振中
许星
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.)
Shenzhen Orbbec Co Ltd
Original Assignee
Shenzhen Orbbec 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 Shenzhen Orbbec Co Ltd filed Critical Shenzhen Orbbec Co Ltd
Priority to CN201610851295.2A priority Critical patent/CN106503620A/zh
Publication of CN106503620A publication Critical patent/CN106503620A/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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G07F19/20—Automatic teller machines [ATMs]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Psychiatry (AREA)
  • Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Finance (AREA)
  • Social Psychology (AREA)
  • Accounting & Taxation (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明公开了一种基于手势的数字密码输入方法及其系统，其中方法包括以下步骤：S1、在采集暗室中输入手势，采集包括手部区域的深度图像；S2、对所采集到的深度图像进行预处理和手部分割，得到手掌深度图像；S3、根据预定义的手势类别对手掌深度图像进行手势建模，得到手势模型；S4、根据预定义的手势类别和数字的映射关系对手势模型进行识别，转化得到相应的数字密码串。本发明不会导致输入密码的过程中存在的窥视的问题，更不会残留类似于指纹等可被不法分子获取的个人信息，整个输入过程中无残留，信息难以泄露，破译风险小，密码输入的安全性高。

Description

基于手势的数字密码输入方法及其系统
技术领域
本发明涉及计算机以及数字图像处理技术领域，特别是涉及利用手势进行数字密码输入的一种基于手势的数字密码输入方法及其系统。
背景技术
ATM取款机、POS刷卡机以及门禁等设备的密码输入目前仍以键盘为主，利用键盘输入的优点在于准确和快捷，但也存在着一些安全隐患。特别是对于ATM取款机，用户在输入密码过程中由于不可能实现全遮挡导致容易被他人偷窥，密码输入后也可以根据用户的指纹残留信息来进行破译。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明目的在于提出一种基于手势的数字密码输入方法及其系统，以解决上述现有技术存在的数字密码输入的安全性不足的技术问题。
为此，本发明提出一种基于手势的数字密码输入方法，该方法通过数字密码输入系统进行手势密码输入，包括如下步骤：
S1、在采集暗室中输入手势，采集包括手部区域的深度图像；
S2、对所采集到的深度图像进行预处理和手部分割，得到手掌深度图像；
S3、根据预定义的手势类别对手掌深度图像进行手势建模，得到手势模型；
S4、根据预定义的手势类别和数字的映射关系对手势模型进行识别，转化得到相应的数字密码串。
此外，本发明还提出了一种基于手势的数字密码输入系统，包括输入设备和设于所述输入设备上的采集暗室、深度图像采集模块、处理器和指示器，所述深度图像采集模块设于所述采集暗室中；所述深度图像采集模块用于采集包括手部区域的深度图像；所述处理器用于分割手掌深度图像、对所述深度图像进行手势建模，以及手势与数字密码之间的转化；所述指示器用于手势输入数字过程中的提醒或指引。
优选地，为了进一步解决手势输入过程中手势输入速度依个人原因而快慢不一的问题，本发明提出的方法还可以具有如下步骤：步骤S1中，当检测到设定的时间阈值下输入的手势没有变化时，执行静态输入模式；当检测到设定的时间阈值下输入的手势有明显变化时，执行动态输入模式。
所述静态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器逐个指示需要输入的数字密码，在采集暗室中按指示逐个输入对应顺序的手势，将逐个输入的手势转化成单个密码字符；
所述动态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器指示一次性按顺序输入整个数字密码序列对应的所有手势，将整个一次性输入的手势序列转化成密码字符串。
优选地，为了进一步解决单手输入和双手输入中深度图像的手势建模难的问题，本发明提出的方法还可以具有如下步骤：步骤S3中，所述预定义的手势类别包括双手输入和单手输入；所述双手输入的过程中，通过凹凸模型构建手掌深度图像的手势模型；所述单手输入的过程中，通过骨架模型构建手掌深度图像的手势模型。
优选地，为了进一步解决手势输入的过程中，深度图像采集模块采集的深度图像投影区域重叠后相互影响的问题，本发明提出的系统还可以包括如下特征，所述深度图像采集模块包括一个或多个深度相机。所述多个深度相机设置在所述采集暗室的相互对立的方位。
优选地，为了进一步解决现有深度图像处理过程中手势的准确的检测和转化的问题，本发明提出的系统还可以包括如下特征，所述处理器包括检测单元和转化单元，检测单元用于从深度图像中分割出手掌深度图像并对手掌深度图像进行建模；转化单元用于将手势模型转化成数字密码串，即根据预定义的手势模型与数字的映射关系，将手势转化成数字密码串。
优选地，为了进一步解决数字密码输入系统尺寸不能太大的问题，本发明提出的系统还可以包括如下特征，所述深度相机包括投影仪和采集相机，所述投影仪投射的结构光散斑图案颗粒数小于10000，所述采集相机深度测量范围为0.05～0.5m，所述投影仪与采集相机之间的间距为0.03～0.05m。
本发明与现有技术对比的有益效果包括：本发明输入数字密码的过程在采集暗室中进行，然后通过设置在采集暗室中的深度图像采集模块对手势进行图像采集，获得采集到包括手部区域的图像后，通过设置与采集暗室中的处理器进行采集到图像进行手掌深度图像进行分割，再经过手势建模、转化得到输入的数字密码串，相比于现有的键盘输入方式而言，本发明因为在采集暗室中进行，且输入的过程是通过深度图像进行识别，为非接触的输入形式，所以不会导致输入密码的过程中存在的窥视的问题，更不会残留类似于指纹等可被不法分子获取的个人信息，整个输入过程中无残留，信息难以泄露，破译风险小，密码的输入安全性高，此外，本发明通过基于深度图像的手势图像进行数字密码的输入，相比于现有技术中利用RGB相机进行手势密码输入的技术而言，采用深度图像技术对手势密码进行识别具有对环境敏感度低和准确性高的优点。
优选方案中，本发明采用静态输入和动态输入两种输入模式进行手势密码的输入，以解决用户手势输入时快慢不一的问题，采用静态输入符合输入习惯，准确度高，且易于实施，当单个数字错误时还可以删除重新输入，采用动态输入的输入速度较快。
通过手势建模目的是将手掌深度图像进一步处理成便于识别的模型，对于双手输入的数字映射关系，只需采用凹凸模型就足以识别和描述手指的数目，对于单手输入的数字映射关系，采用骨架模型来识别和描述手指的数目，通过上述两种建模方法，可以对双手输入和单手输入进行快速建模，已完成手势密码的识别。
所述深度图像采集模块当仅有一个深度相机时，由于只能采集手部一半的深度图像，因而用户在执行手势时，需要指定一个手势的朝向，比如将手背朝向深度相机来做手势，这样的好处在于能提高手势识别的准确率。当采用多个深度相机时，多个深度相机将被放置在对立的方位，如在上、下、左、右四个方位中选取任意两个、三个或者四个方位都设置深度相机，对立设置可以保证多个深度相机之间不会相互影响，避免投影区域重叠，同时可以获得更加全面的手部深度信息，无论用户在任何方位做手势都能保证很好的识别准确率。
通过处理器的检测单元可以完成手势建模，进而获得便于深度图像识别的模型，转化模型可以根据手势类判断执行的静态还是动态、单手或是双手的转化模式，从而保证手势密码输入的准确性。
附图说明
图1是本发明具体实施方式一和二的系统结构示意图图；
图2是本发明具体实施方式二的流程图。
图3是本发明具体实施方式一和二的双手手势示意图。
图4是本发明具体实施方式一和二的单手手势示意图。
1-输入设备，2-采集暗室，3-深度图像采集模块，31-深度相机，4-处理器，41-检测单元，42-转化单元，5-指示器。
具体实施方式
为便于准确理解，以下是后文中将出现的技术术语的准确定义：
下面结合具体实施方式并对照附图对本发明作进一步详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
参照以下附图，将描述非限制性和非排他性的实施例，其中相同的附图标记表示相同的部件，除非另外特别说明。
实施例一：
本实施例将对ATM取款机的数字密码输入系统进行详细的说明。如图1所示，该系统包括输入设备1和设于输入设备1上的采集暗室2、深度图像采集模块3、处理器4和指示器5，所述深度图像采集模块3设于采集暗室2中，用于采集包括手部区域的深度图像；所述处理器4用于分割手掌深度图像、对所述深度图像进行手势建模，以及手势与数字密码之间的转化；所述指示器5用于手势输入数字过程中的提醒或指引，上述输入设备1为ATM机。
此处的指示器5指的是ATM机的显示屏幕，用于显示密码输入等过程中的提醒、指引等功能；处理器4可以与ATM等设备的处理器合二为一，也可以是专用的处理器模块，本实施例中，深度图像采集模块3被集成到ATM设备中形成整体的设备，当然，可在另一实施例中将深度图像采集模块3与其专用处理器组成独立的手势密码输入装置，通过外部接口与ATM机连接，从而实现手势密码的输入。本领域的技术人员可以认为，处理器4和深度图像采集模块3在ATM机上的设置形式和连接形式，可以不做限制，凡是原理上一致的都在保护范围之内。
本实施例中，深度图像采集模块3为用于获取手部区域深度图像信息的深度相机31，该深度相机31使用基于结构光技术，基于结构光的深度相机31由不可见光投影仪以及对应的采集相机组成，通过投影仪向目标空间投射经编码的结构光图案，利用采集相机采集结构光图案后与参考结构光图案进行匹配计算，通过计算出的距离根据三角法原理就可以获取目标空间的深度信息。
本实施例中，由于一般的密码输入设备1如ATM机器的尺寸限制，因而其密码输入系统的尺寸也不可能太大，优选地，投影仪所投射的结构光散斑图案颗粒数小于10000个；其中采集相机需要满足在0.05～0.5m范围内进行聚焦，投影仪投射角与采集相机的视场角的重叠区域要保证能覆盖手部区域，投影仪与采集相机之间的间距优选在0.03～0.05m。另外，采集参考结构光图像时距离相机应与实际使用时手部所在的距离相近，这样可以减少搜索次数，提升计算速度。
本实施例中，深度图像采集模块3由一个或多个深度相机31组成，当仅有一个深度相机31时，由于只能采集手部一半的深度图像，因而用户在执行手势时，需要指定一个手势的朝向，比如将手背朝向深度相机31来做手势，这样的好处在于能提高手势识别的准确率。当采用多个深度相机31时，考虑到多个深度相机31之间当投影区域重叠时会相互影响，因而多个深度相机31将被放置在对立的方位，例如在上、下、左、右四个方位中选取任意两个、三个或者四个方位都设置深度相机31，如此才能保证不会相互之间有影响，同时可以获得更加全面的手部深度信息，无论用户在任何方位做手势都能保证很好的识别准确率。
针对ATM机的密码输入，考虑到安全性是最为重要的因素，因此将深度图像采集模块3安装在不透明的仅允许手部进入的采集暗室2内，这样就确保了密码的安全输入。
处理器4的作用是用于接收深度图像采集模块3传输来的深度图像信息，并对深度图像信息进行处理得到对应的手势信息，最后将手势信息转化成数字密码，主要包括检测单元41和转化单元42，检测单元41完成三项任务，即对输入的深度图像进行预处理、手部分割以及手势建模。
预处理主要是对深度图像进行去噪、平滑等处理以去除原始深度图像中常出现的坏点以及空洞。
手部分割即将目标手掌区域分割出来。首先将手部可能出现的深度范围作为上下阈值，对深度图像进行阈值分割得到包含手部区域的深度图像；其次对初次分割后的深度图像进行边缘检测，即可得到手部的深度图像；最后根据手腕的特征去除深度图像中手腕的深度图像，就得到了仅保留手掌的深度图像。由于手势执行的环境相对密封并且手部位置相对深度相机31距离在一定的范围内，因而手部分割较为便利。
手势建模的目的是将手掌深度图像进一步处理成便于识别的模型，比如骨架模型、凹凸模型等。具体是采用哪种模型，和预定义的手势跟数字的映射关系有关，比如图3所示的手势与数字的映射关系，由于从0～9的手势直接与双手的手指数目直接对应，因此利用凹凸模型就足够描述手指的数目了。对于图4所示的基于单手的手势与数字的映射关系，利用凹凸模型则较为困难，此时可以利用骨架模型。
处理器4的转化单元42的功能是根据预定义的手势模型与数字的映射关系，将手势转化成数字密码串。
转化过程实际上就是对手势模型识别的过程，具体地有以下步骤：特征提取-特征识别。特征提取即是依据手势模型提取用于进行特征识别的特征，具体地特征与采取的特征识别算法有关系。特征识别的过程实质上是建立分类器的过程，即选择合适的分类器模型，比如决策森林、HMM等算法，然后通过样本进行训练学习，形成最终的分类器。识别的过程即将提取的特征代入分类器即得到该手势对应的数字。
指示器5的功能即用于在提醒或指引以及常用的显示。比如并非所有人都知道0～9的手势，因而在用户执行手势时在显示器上显示出每个数字对应的手势提示，另外在输入完数字后进行提示等功能。
实施例二：
如图1-2所示，基于实施例一的ATM机上的数字密码输入系统，实施基于手势的数字密码输入方法，包括如下步骤：
S1、在采集暗室2中输入手势，采集包括手部区域的深度图像；
S2、对所采集到的深度图像进行预处理和手部分割，得到手掌深度图像；
S3、根据预定义的手势类别对手掌深度图像进行手势建模，得到手势模型；
S4、根据预定义的手势类别和数字的映射关系对手势模型进行识别，转化得到相应的数字密码串。
在不透明的仅允许手部进入的采集暗室2内进行手势输入，这样可保证密码输入的安全性，采集通过设置在采集暗室2中深度图像采集模块3进行采集包括手部区域的图像，此时，所采集的图像除了包括手部区域外，还具有手腕等特征，这需要在后续图像分割中分割开来。
对手势进行采集的深度图像采集系统由一个或多个深度相机31组成，该深度相机31为基于结构光技术的深度相机31，深度相机31包括投影仪和采集相机，由于尺寸的限制，设置在采集暗室2中的采集相机的应当满足在深度测量范围为0.05m～0.5m的范围内进行聚焦；投影仪投射角与采集相机的视场角的重叠区域需保证能覆盖手部的所有区域，投影仪与采集相机之间的间距优选在0.03～0.05m。
一个深度相机31的深度图像采集模块3，在采集时，由于只能采集手部一半的深度图像，因而用户在执行手势时，需要指定一个手势的朝向，比如将手背朝向深度相机31来做手势，这样的好处在于能提高手势识别的准确率。多个深度相机31的深度图像采集模块3，考虑到多个深度相机31之间当投影区域重叠时会相互影响，因而多个深度相机31将被放置在对立的方位，例如在上、下、左、右四个方位中选取任意两个、三个或者四个方位都设置深度相机31，如此才能保证不会相互之间有影响，同时可以获得更加全面的手部深度信息，无论用户在任何方位做手势都能保证很好的识别准确率。
获得的包括手部区域的深度图像送至处理器4中进行处理，处理器4包括检测单元41和转化单元42，首先通过检测单元41对输入的深度图像进行预处理，主要包括对深度图像进行去噪、平滑等处理以去除原始深度图像中常出现的坏点以及空洞，以用于后续处理。
经过预处理后的深度图像，再通过检测单元41进行手部分割，手部分割目的在于将目标手掌区域分割出来，首先将手部可能出现的深度范围作为上下阈值，对深度图像进行阈值分割得到包含手部区域的深度图像；其次对初次分割后的深度图像进行边缘检测，即可得到手部的深度图像；最后根据手腕的特征去除深度图像中手腕的深度图像，就得到了仅保留手掌的深度图像。
对于分割后获得的手掌深度图像，需进行手势建模，手势建模目的是将手掌深度图像进一步处理成便于识别的模型。考虑到不同国家、不同地区所用的手势类别和形式的不同，将手势的类别依据单手和双手以及0～9的相对应的映射关系进行处理。如图3所示，为双手输入的形式，0～9的手势直接与双手的手指数目直接对应，手势建模的过程中采用凹凸模型来描述收支的数目。如图4所示，利用为单手输入的形式，0～9对应于单手的手指数目，基于这种数字映射关系，优选采用骨架模型进行建模。手势建模后获得手势模型。
检测单元41将手势模型建立完成后，送至转化单元42中进行处理，转化单元42根据建立的手势模型与数字的映射关系，将手势转化成数字密码串。
转化过程实际上就是对手势模型识别的过程，具体地有以下步骤：特征提取-特征识别。特征提取即是依据手势模型提取用于进行特征识别的特征，具体地特征与采取的特征识别算法有关系。特征识别的过程实质上是建立分类器的过程，即选择合适的分类器模型，比如决策森林、HMM等算法，然后通过样本进行训练学习，形成最终的分类器。识别的过程即将提取的特征代入分类器即得到该手势对应的数字。
指示器5的功能即用于在提醒或指引以及常用的显示，比如并非所有人都知道0～9的手势，因而在用户执行手势时在显示器上显示出每个数字对应的手势提示，另外在输入完数字后进行提示等功能。
利用手势进行密码输入时，由于输入的速度和时间的依个人的原因而快不一，本实施例，中输入手势的采用动态或静态的输入模式，静态手势输入为逐个数字的输入，动态手势输入为一次性输入整个密码字符串。
处理器4通过用户手势执行的速度快慢来自动判定当前输入方式，通过设定一定的时间阈值，在该时间阈值范围内当用户手势没有明显变化时认为当前为静态手势输入，当在时间阈值范围内用户手势有明显的变化，表明当前为快速的动态手势输入。
所述静态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器5逐个指示需要输入的数字密码(比如*号，表明已经输入该数字密码)，在采集暗室2中按指示输入对应顺序的手势，将逐个输入的手势转化成单个密码字符；静态输入在相邻手势输入之间手部的任何变化将不被识别，这种方法符合输入习惯，准确度高，且易于实施，当单个数字错误时还可以删除重新输入，缺点是速度慢。
所述动态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器5指示一次性按顺序输入整个数字密码序列对应的所有手势，将整个一次性输入的手势序列转化成密码字符串。
密码输入过程中除了需要输入0～9的数字外，还需要输入“确认”、“取消”、“删除”等功能，本发明所述的系统也应包括对类似功能的手势输入。
本领域技术人员将认识到，对以上描述做出众多变通是可能的，所以实施例仅是用来描述一个或多个特定实施方式。
尽管已经描述和叙述了被看作本发明的示范实施例，本领域技术人员将会明白，可以对其作出各种改变和替换，而不会脱离本发明的精神。另外，可以做出许多修改以将特定情况适配到本发明的教义，而不会脱离在此描述的本发明中心概念。所以，本发明不受限于在此披露的特定实施例，但本发明可能还包括属于本发明范围的所有实施例及其等同物。

Claims (10)

1.一种基于手势的数字密码输入方法，其特征在于：通过数字密码输入系统进行手势密码输入，包括如下步骤：
S1、在采集暗室中输入手势，采集包括手部区域的深度图像；
S2、对所采集到的深度图像进行预处理和手部分割，得到手掌深度图像；
S3、根据预定义的手势类别对手掌深度图像进行手势建模，得到手势模型；
S4、根据预定义的手势类别和数字的映射关系对手势模型进行识别，转化得到相应的数字密码串。
2.如权利要求1所述的基于手势的数字密码输入方法，其特征在于：步骤S1中，当检测到设定的时间阈值下输入的手势没有变化时，执行静态输入模式；当检测到设定的时间阈值下输入的手势有明显变化时，执行动态输入模式。
3.如权利要求2所述的基于手势的数字密码输入方法，其特征在于：所述静态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器逐个指示需要输入的数字密码，在采集暗室中按指示逐个输入对应顺序的手势，将逐个输入的手势转化成单个密码字符。
4.如权利要求2所述的基于手势的数字密码输入方法，其特征在于：所述动态输入模式的转化包括如下步骤：根据数字密码输入顺序，指示器指示一次性按顺序输入整个数字密码序列对应的所有手势，将整个一次性输入的手势序列转化成密码字符串。
5.如权利要求1所述的基于手势的数字密码输入方法，其特征在于：步骤S3中，所述预定义的手势类别包括双手输入和单手输入；所述双手输入的过程中，通过凹凸模型构建手掌深度图像的手势模型；所述单手输入的过程中，通过骨架模型构建手掌深度图像的手势模型。
6.一种基于手势的数字密码输入系统，其特征在于：包括输入设备和设于所述输入设备上的采集暗室、深度图像采集模块、处理器和指示器，所述深度图像采集模块设于所述采集暗室中；所述深度图像采集模块用于采集包括手部区域的深度图像；所述处理器用于分割手掌深度图像、对所述深度图像进行手势建模，以及手势与数字密码之间的转化；所述指示器用于手势输入数字过程中的提醒或指引。
7.如权利要求6所述的基于手势的数字密码输入系统，其特征在于：所述深度图像采集模块包括一个或多个深度相机。
8.如权利要求7所述的基于手势的数字密码输入系统，其特征在于：所述多个深度相机设置在所述采集暗室的相互对立的方位。
9.如权利要求6所述的基于手势的数字密码输入系统，其特征在于：所述处理器包括检测单元和转化单元，检测单元用于从深度图像中分割出手掌深度图像并对手掌深度图像进行建模；转化单元用于将手势模型转化成数字密码串，即根据预定义的手势模型与数字的映射关系，将手势转化成数字密码串。
10.如权利要求8所述的基于手势的数字密码输入系统，其特征在于：所述深度相机包括投影仪和采集相机，所述投影仪投射的结构光散斑图案颗粒数小于10000，所述采集相机深度测量范围为0.05～0.5m，所述投影仪与采集相机之间的间距为0.03～0.05m。
CN201610851295.2A 2016-09-26 2016-09-26 基于手势的数字密码输入方法及其系统 Pending CN106503620A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610851295.2A CN106503620A (zh) 2016-09-26 2016-09-26 基于手势的数字密码输入方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610851295.2A CN106503620A (zh) 2016-09-26 2016-09-26 基于手势的数字密码输入方法及其系统

Publications (1)

Publication Number Publication Date
CN106503620A true CN106503620A (zh) 2017-03-15

Family

ID=58290631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610851295.2A Pending CN106503620A (zh) 2016-09-26 2016-09-26 基于手势的数字密码输入方法及其系统

Country Status (1)

Country Link
CN (1) CN106503620A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180196A (zh) * 2017-05-25 2017-09-19 努比亚技术有限公司 一种双摄加密方法、设备以及计算机可读存储介质
CN107506633A (zh) * 2017-07-31 2017-12-22 广东欧珀移动通信有限公司 基于结构光的解锁方法、装置及移动设备
CN107589834A (zh) * 2017-08-09 2018-01-16 广东欧珀移动通信有限公司 终端设备操作方法及装置、终端设备
CN108133132A (zh) * 2017-12-22 2018-06-08 联想(北京)有限公司 身份验证方法、系统和电子设备
CN108629278A (zh) * 2018-03-26 2018-10-09 深圳奥比中光科技有限公司 基于深度相机实现信息安全显示的系统及方法
CN109165588A (zh) * 2018-08-13 2019-01-08 安徽工程大学 一种人脸表情识别加密解锁装置和方法
CN110750771A (zh) * 2019-09-09 2020-02-04 深圳壹账通智能科技有限公司 登录认证方法、装置、计算机设备和存储介质
CN112089595A (zh) * 2020-05-22 2020-12-18 未来穿戴技术有限公司 一种颈部按摩仪的登录方法、颈部按摩仪及存储介质
WO2021258862A1 (zh) * 2020-06-24 2021-12-30 Oppo广东移动通信有限公司 打字方法及装置、设备、存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050271279A1 (en) * 2004-05-14 2005-12-08 Honda Motor Co., Ltd. Sign based human-machine interaction
CN102905765A (zh) * 2009-11-16 2013-01-30 百利游戏有限公司 手势增强输入设备
CN103176603A (zh) * 2013-03-08 2013-06-26 广东工业大学 计算机手势输入系统
CN103294996A (zh) * 2013-05-09 2013-09-11 电子科技大学 一种3d手势识别方法
CN103760983A (zh) * 2014-01-23 2014-04-30 中国联合网络通信集团有限公司 虚拟手势输入方法和手势采集装置
CN104281793A (zh) * 2013-07-01 2015-01-14 黑莓有限公司 利用非触摸手势的密码
CN104751565A (zh) * 2013-12-26 2015-07-01 中国银联股份有限公司 手势支付密码输入模块以及使用其的手势支付密码系统
CN105930784A (zh) * 2016-04-15 2016-09-07 济南大学 一种手势识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050271279A1 (en) * 2004-05-14 2005-12-08 Honda Motor Co., Ltd. Sign based human-machine interaction
CN102905765A (zh) * 2009-11-16 2013-01-30 百利游戏有限公司 手势增强输入设备
CN103176603A (zh) * 2013-03-08 2013-06-26 广东工业大学 计算机手势输入系统
CN103294996A (zh) * 2013-05-09 2013-09-11 电子科技大学 一种3d手势识别方法
CN104281793A (zh) * 2013-07-01 2015-01-14 黑莓有限公司 利用非触摸手势的密码
CN104751565A (zh) * 2013-12-26 2015-07-01 中国银联股份有限公司 手势支付密码输入模块以及使用其的手势支付密码系统
CN103760983A (zh) * 2014-01-23 2014-04-30 中国联合网络通信集团有限公司 虚拟手势输入方法和手势采集装置
CN105930784A (zh) * 2016-04-15 2016-09-07 济南大学 一种手势识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FABRIZIO PEDERSOLI 等: "XKin: an open source framework for hand pose and gesture recognition using kinect", 《THE VISUAL COMPUTER》 *
冯志全 等: "手势识别研究综述", 《济南大学学报（自然科学版）》 *
李琛: "基于Kinect的三维重建与形态识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180196A (zh) * 2017-05-25 2017-09-19 努比亚技术有限公司 一种双摄加密方法、设备以及计算机可读存储介质
CN107506633A (zh) * 2017-07-31 2017-12-22 广东欧珀移动通信有限公司 基于结构光的解锁方法、装置及移动设备
CN107589834A (zh) * 2017-08-09 2018-01-16 广东欧珀移动通信有限公司 终端设备操作方法及装置、终端设备
CN107589834B (zh) * 2017-08-09 2020-08-07 Oppo广东移动通信有限公司 终端设备操作方法及装置、终端设备
CN108133132A (zh) * 2017-12-22 2018-06-08 联想(北京)有限公司 身份验证方法、系统和电子设备
CN108629278A (zh) * 2018-03-26 2018-10-09 深圳奥比中光科技有限公司 基于深度相机实现信息安全显示的系统及方法
CN108629278B (zh) * 2018-03-26 2021-02-26 奥比中光科技集团股份有限公司 基于深度相机实现信息安全显示的系统及方法
CN109165588A (zh) * 2018-08-13 2019-01-08 安徽工程大学 一种人脸表情识别加密解锁装置和方法
CN110750771A (zh) * 2019-09-09 2020-02-04 深圳壹账通智能科技有限公司 登录认证方法、装置、计算机设备和存储介质
WO2021047314A1 (zh) * 2019-09-09 2021-03-18 深圳壹账通智能科技有限公司 登录认证方法、装置、计算机设备和存储介质
CN112089595A (zh) * 2020-05-22 2020-12-18 未来穿戴技术有限公司 一种颈部按摩仪的登录方法、颈部按摩仪及存储介质
WO2021258862A1 (zh) * 2020-06-24 2021-12-30 Oppo广东移动通信有限公司 打字方法及装置、设备、存储介质

Similar Documents

Publication Publication Date Title
CN106503620A (zh) 基于手势的数字密码输入方法及其系统
US20170124719A1 (en) Method, device and computer-readable medium for region recognition
US10209881B2 (en) Extending the free fingers typing technology and introducing the finger taps language technology
KR101581954B1 (ko) 실시간으로 피사체의 손을 검출하기 위한 장치 및 방법
KR101719088B1 (ko) 영역 분할 방법 및 검사 장치
CN105869235B (zh) 一种安全门禁方法及系统
US20160048726A1 (en) Three-Dimensional Hand Tracking Using Depth Sequences
CN106687889A (zh) 显示器便捷式文本输入和编辑
US10108270B2 (en) Real-time 3D gesture recognition and tracking system for mobile devices
Jain et al. Gender recognition in smartphones using touchscreen gestures
JP2015222591A (ja) ヒューマンコンピュータインタラクションシステム、手と手指示点位置決め方法、及び手指のジェスチャ決定方法
CN106255968A (zh) 自然语言图像搜索
US12033411B2 (en) Stroke based control of handwriting input
EP3848889A1 (en) Information processing method and information processing system
CN107533599A (zh) 一种手势识别方法、装置及电子设备
CN111222379A (zh) 一种手部检测方法及装置
WO2022268023A1 (zh) 指纹识别方法、装置、电子设备和可读存储介质
JP6225612B2 (ja) プログラム、情報処理装置、および方法
US11361589B2 (en) Image recognition method, apparatus, and storage medium
CN104503679B (zh) 一种基于终端界面触控操作进行搜索的方法及装置
KR20190132885A (ko) 영상으로부터 손을 검출하는 장치, 방법 및 컴퓨터 프로그램
Prasertsakul et al. A fingertip detection method based on the top-hat transform
JP2014038543A (ja) 指文字を認識するための文字認識システムおよびプログラム
CN104516632B (zh) 确定触摸字符进行搜索的方法及装置
KR101601660B1 (ko) 깊이 영상을 이용한 손 영역 분류 방법 및 그 장치

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170315