CN109862274A - 带摄像功能的耳机、用于输出控制信号的方法和装置 - Google Patents

Abstract

本公开的实施例公开了带摄像功能的耳机、用于输出控制信号的方法和装置。该方法的一具体实施方式包括：获取设置在目标耳机上的摄像头拍摄的待识别图像；从待识别图像中确定目标手部图像；对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果；输出预先与手势识别结果建立对应关系的控制信号。该实施方式可以使用户通过手势来控制耳机上的摄像头、与耳机连接的各种电子设备等，而无需用户进行手动操作，从而提高了控制各种电子设备的灵活性。

Description

带摄像功能的耳机、用于输出控制信号的方法和装置

技术领域

本公开的实施例涉及智能硬件领域，具体涉及带摄像功能的耳机、用于输出控制信号的方法和装置。

背景技术

随着移动通信技术的发展，人们可以通过手机、平板电脑等设备实现拍照、直播等功能。目前，一些摄像头可以集成在头盔、眼镜等可穿戴设备中，从而达到释放人的双手的效果。当人们使用这种可穿戴设备进行拍摄时，通常需要通过手动控制摄像头。

发明内容

本公开的实施例提出了用于带摄像功能的耳机、用于输出控制信号的方法和装置。

第一方面，本公开的实施例提供了一种带摄像功能的耳机，该耳机包括：至少一个摄像头，图像输出装置，控制信号接收装置，信号处理器；其中，至少一个摄像头，用于获取待识别图像，待识别图像中包含目标手部图像；图像输出装置，用于将待识别图像发送至目标终端；控制信号接收装置，用于接收目标终端发送的控制信号其中，控制信号由目标终端基于对待识别图像的手势识别结果得到；信号处理器，用于基于控制信号控制至少一个摄像头。

在一些实施例中，至少一个摄像头设置在耳机包括的至少一个声音输出装置上。

在一些实施例中，耳机还包括供电模块，供电模块用于为至少一个声音输出装置和至少一个摄像头供电。

第二方面，本公开的实施例提供了一种用于输出控制信号的方法，该方法包括：获取设置在目标耳机上的摄像头拍摄的待识别图像，其中，目标耳机为上述第一方面中任一实施例描述的带摄像功能的耳机；从待识别图像中确定目标手部图像；对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果；输出预先与手势识别结果建立对应关系的控制信号。

在一些实施例中，从待识别图像中确定目标手部图像，包括：从待识别图像中确定手部图像；确定手部图像的面积与待识别图像的面积之比是否大于等于预设的比例阈值；响应于确定大于等于预设的比例阈值，确定手部图像为目标手部图像。

在一些实施例中，对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果，包括：将目标手部图像输入预先训练的手势识别模型，得到用于表征目标手部图像指示的手势的手势识别结果，其中，手势识别模型用于表征手部图像和手势识别结果的对应关系。

在一些实施例中，手势识别模型预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果；利用机器学习方法，将获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

在一些实施例中，在对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果之后，该方法还包括：控制目标耳机包括的声音输出装置输出预先与手势识别结果建立对应关系的提示音。

在一些实施例中，控制信号用于控制摄像头，控制信号包括以下任一种：用于控制摄像头拍摄照片的信号，用于控制摄像头开始拍摄视频的信号，用于控制摄像头结束拍摄视频的信号，用于控制摄像头拍摄预设时长的视频的信号。

在一些实施例中，控制信号用于控制目标设备执行目标操作。

第三方面，本公开的实施例提供了一种用于输出控制信号的装置，该装置包括：获取单元，被配置成获取设置在目标耳机上的摄像头拍摄的待识别图像，其中，目标耳机为上述第一方面中任一实施例描述的带摄像功能的耳机；确定单元，被配置成从待识别图像中确定目标手部图像；识别单元，被配置成对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果；第一输出单元，被配置成输出预先与手势识别结果建立对应关系的控制信号。

在一些实施例中，确定单元包括：第一确定模块，被配置成从待识别图像中确定手部图像；第二确定模块，被配置成确定手部图像的面积与待识别图像的面积之比是否大于等于预设的比例阈值；第三确定模块，被配置成响应于确定大于等于预设的比例阈值，确定手部图像为目标手部图像。

在一些实施例中，识别单元进一步被配置成：将目标手部图像输入预先训练的手势识别模型，得到用于表征目标手部图像指示的手势的手势识别结果，其中，手势识别模型用于表征手部图像和手势识别结果的对应关系。

在一些实施例中，手势识别模型预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果；利用机器学习方法，将获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

在一些实施例中，该装置还包括：第二输出单元，被配置成控制目标耳机包括的声音输出装置输出预先与手势识别结果建立对应关系的提示音。

在一些实施例中，控制信号用于控制摄像头，控制信号包括以下任一种：用于控制摄像头拍摄照片的信号，用于控制摄像头开始拍摄视频的信号，用于控制摄像头结束拍摄视频的信号，用于控制摄像头拍摄预设时长的视频的信号。

在一些实施例中，控制信号用于控制目标设备执行目标操作。

第四方面，本公开的实施例提供了一种终端设备，该终端设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第二方面中任一实现方式描述的方法。

第五方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第二方面中任一实现方式描述的方法。

本公开的实施例提供的带摄像功能的耳机、用于输出控制信号的方法和装置，通过将摄像头集成到耳机中，提高了设备的集成度，减少了人们携带的硬件的数量，有助于使人们更方便地进行拍摄。通过对设置在耳机上的摄像头拍摄的图像进行手势识别，可以使用户通过手势来控制耳机上的摄像头、与耳机连接的各种电子设备等，而无需用户进行手动操作，从而提高了控制各种电子设备的灵活性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的实施例的带摄像功能的耳机的示例性结构示意图；

图2是本公开的一个实施例可以应用于其中的示例性系统架构图；

图3是根据本公开的实施例的用于输出控制信号的方法的一个实施例的流程图；

图4是根据本公开的实施例的用于输出控制信号的方法的一个应用场景的示意图；

图5是根据本公开的实施例的用于输出控制信号的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的终端设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了本公开的实施例的带摄像功能的耳机的示例性结构示意图。

如图1所示，带摄像功能的耳机101包括至少一个摄像头1011，图像输出装置1012，控制信号接收装置1013，信号处理器1014摄像头1011。

其中，至少一个摄像头1011，用于获取待识别图像。待识别图像中包含目标手部图像。

图像输出装置1012，用于将待识别图像发送至目标终端。其中，目标终端可以是用于识别上述待识别图像的终端，目标终端与耳机101通信连接。

控制信号接收装置1013，用于接收目标终端发送的控制信号。其中，控制信号由目标终端基于对待识别图像的手势识别结果得到。接收的控制信号可以是用于控制摄像头的信号。例如，用于控制摄像头拍摄照片的信号，用于控制摄像头拍摄视频的信号等。

信号处理器1014，用于基于控制信号控制至少一个摄像头1011。信号处理器1014可以对接收的控制信号进行解析，根据控制信号的指示，控制至少一个摄像头1011执行相应的操作。

需要说明的是，上述图像输出装置1012，控制信号接收装置1013，以及信号处理器1014，可以为分立元件，也可以集成在一个元件(例如单片机、数字信号处理器等)上。

在本实施例中，耳机101可以是各种类型，包括但不限于以下至少一种：入耳式耳机、头戴式耳机、骨传导式耳机。

通常，耳机101可以通过有线或无线的方式与手机、平板电脑等电子设备连接，使用户既可以收听音频，又可以通过摄像头1011进行拍摄。从而可以在拍摄时，释放用户的双手。另外，当用户佩戴耳机101进行拍摄时，可以使拍摄的图像以用户的视角呈现，提高图像展示的灵活性。

在本实施例的一些可选的实现方式中，至少一个摄像头1011设置在耳机101包括的至少一个声音输出装置1015上。通常，摄像头与声音输出装置可以设置为一个整体，从而可以提高设备的集成度，减小设备的体积。

在本实施例的一些可选的实现方式中，耳机101还可以包括供电模块(图中未示出)。供电模块用于为至少一个声音输出装置1011和至少一个摄像头1011供电。通常，当耳机101与其他电子设备采用无线连接时，供电模块可以包括电池，用于为至少一个声音输出装置1011和至少一个摄像头1011供电。当耳机101与其他电子设备采用有线连接时，供电模块可以包括电源线，用于通过与耳机101连接的电子设备上的电源为至少一个声音输出装置1011和至少一个摄像头1011供电。

本公开的实施例提供的带摄像功能的耳机，通过将摄像头集成到耳机中，提高了设备的集成度，减少了人们携带的硬件的数量，有助于使人们更方便地进行拍摄。

图2示出了可以应用本公开的实施例的用于输出控制信号的方法或用于输出控制信号的装置的示例性系统架构200。

如图2所示，系统架构200可以包括带摄像功能的耳机201和终端设备202。耳机201与终端设备202之间可以采用有线连接方式或无线连接方式。示例性的，图中采用有线连接方式。

用户可以使用终端设备202与耳机201进行交互，以接收耳机201上设置的摄像头拍摄的图像，或对耳机201进行控制。终端设备202上可以安装有各种应用，例如拍摄类应用、音视频播放类应用、即时通信工具、社交平台软件等。

终端设备202可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等等的移动终端。

需要说明的是，本公开的实施例所提供的用于输出控制信号的方法一般由终端设备202执行，相应地，用于输出控制信号的装置一般设置于终端设备202中。

应该理解，图1中的耳机201和终端设备202的数目仅仅是示意性的。根据实现需要，可以具有任意数目的耳机和终端设备。例如，当耳机与终端设备采用无线连接方式时，耳机可以同时连接多个终端设备。

继续参考图3，示出了根据本公开的用于输出控制信号的方法的一个实施例的流程300。该用于输出控制信号的方法，包括以下步骤：

步骤301，获取设置在目标耳机上的摄像头拍摄的待识别图像。

在本实施例中，用于输出控制信号的方法的执行主体(例如图2所示的终端设备)可以通过有线连接方式或者无线连接方式获取设置在目标耳机(例如图2所示的耳机)上的摄像头拍摄的待识别图像。其中，目标耳机为与上述执行主体通过有线或无线方式连接的耳机，目标耳机为上述图1对应实施例中描述的带摄像功能的耳机。

上述待识别图像可以是上述摄像头当前拍摄的图像。通常，用户可以使用上述执行主体预先控制摄像头开始拍摄，从而上述执行主体可以实时获取摄像头拍摄的图像。

步骤302，从待识别图像中确定目标手部图像。

在本实施例中，上述执行主体可以从待识别图像中确定目标手部图像。其中，目标手部图像可以是待对其进行手势识别的图像。作为示例，上述执行主体可以利用现有的人体图像识别方法和手部图像识别方法对待识别图像进行人体图像识别和手部图像识别，当确定某个手部图像表征的人手不属于待识别图像中包括的任何人体图像表征的人体时，确定该手部图像为目标手部图像，即确定该手部图像为使用耳机的用户的手部图像。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤从待识别图像中确定目标手部图像：

首先，从待识别图像中确定手部图像。具体地，上述执行主体可以按照现有的手部图像识别方法(例如使用SSD(Single Shot MultiBox Detector)、DPM(Deformable PartModel)等目标检测模型)，从待识别图像中确定手部图像。

然后，确定手部图像的面积与待识别图像的面积之比是否大于等于预设的比例阈值。其中，上述面积之比可以是手部图像包括的像素点的数量与待识别图像包括的像素点的数量之比，或者包括手部图像的最小矩形的面积与待识别图像的面积之比。

最后，响应于确定大于等于预设的比例阈值，确定手部图像为目标手部图像。通常，当面积之比大于等于比例阈值时，表示手部图像表征的人手与摄像头的距离较近，从而可以避免距离摄像头较远的人手造成的手势误识别。

需要说明的是，当上述执行主体识别出的目标手部图像的数量大于一时，可以通过耳机输出用于提示用户调整手部位置的提示音。

步骤303，对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果。

在本实施例中，上述执行主体可以对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果。其中，手势识别结果可以是各种形式的信息，包括但不限于以下至少一种：数字、文字、符号等。例如数字1用于表征手势为握拳，数字2用于表征手势为张开手掌等等。

可选的，上述执行主体可以利用现有的手部关键点识别方法，确定目标手部图像中的手部关键点，其中，手部关键点为用于表征手部的特定位置的点，例如手指尖，手掌，手腕等处的点。再利用各个手部关键点之间的位置关系，生成手势识别结果。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤对目标手部图像进行手势识别，得到手势识别结果：

将目标手部图像输入预先训练的手势识别模型，得到用于表征目标手部图像指示的手势的手势识别结果。其中，手势识别模型用于表征手部图像和手势识别结果的对应关系。

具体地，作为示例，上述手势识别模型可以包括特征提取部分和对应关系表。其中，特征提取部分可以用于从目标手部图像中提取特征(例如纹理、形状等特征)生成特征向量。例如，特征提取部分可以为卷积神经网络。对应关系表可以是技术人员基于对大量的特征向量和手势识别结果的统计而预先制定的、存储有多个特征向量与手势识别结果的对应关系的对应关系表。这样，上述手势识别模型可以首先使用特征提取部分提取目标手部图像的特征，从而生成特征向量。之后，将该特征向量与对应关系表中的多个特征向量依次进行比较，若该特征向量与对应关系表中的某一个特征向量相似(例如相似度小于等于预设的相似度阈值)，则将该相似的特征向量对应的手势识别结果确定为对目标手部图像进行手势识别得到的手势识别结果。

可选的，上述执行主体或其他电子设备可以按照如下步骤预先训练得到手势识别模型：

首先，获取训练样本集合。其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果。

然后，利用机器学习方法，将获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

具体地，上述手势识别模型可以是对初始模型进行训练得到的模型。初始模型可以包括诸如用于提取样本手部图像的特征的卷积神经网络、用于对提取的特征进行分类的分类模型(例如支持向量机)等。初始模型可以设置有初始参数，参数在训练过程中可以被不断地调整。训练手势识别模型的执行主体可以基于预设的损失函数计算损失值，根据损失值确定初始模型是否训练完成。在这里，需要说明的是，损失值可以用于表征实际输出与期望输出之间的差异。当损失值符合预设条件(例如损失值小于等于预设的损失值阈值，或经过多次迭代计算后，损失值不再减小)时，确定模型训练完成。实践中，可以采用预设的各种损失函数计算实际输出相对于期望输出的损失值。例如，可以采用对数损失函数、交叉熵损失函数等计算损失值。

本实现方式中，由于手势识别模型是利用大量的训练样本，利用机器学习方法训练得到的，可以更全面地识别各种手势，从而提高手势识别的全面性和准确性。

在本实施例的一些可选的实现方式中，在步骤303之后，上述执行主体还可以控制目标耳机包括的声音输出装置(如图1所示的声音输出装置)输出预先与手势识别结果建立对应关系的提示音，从而可以使用户得知当前所识别的手势识别结果。

步骤304，输出预先与手势识别结果建立对应关系的控制信号。

在本实施例中，上述执行主体可以输出预先与手势识别结果建立对应关系的控制信号。其中，手势识别结果与控制信号的对应关系可以利用各种形式表征。例如，可以采用预先建立的对应关系表，该对应关系表中可以存储有多个手势识别结果和每个手势识别结果对应的控制信号。上述执行主体可以从该对应关系表中查找与步骤303中所得到的手势识别结果相对应的控制信号并输出。再例如，可以采用预先建立的函数，将手势识别结果输入该函数中，生成并输出对应的控制信号。

上述控制信号可以包括但不限于以下至少一种：数字信号、文字信号等。

在本实施例的一些可选的实现方式中，步骤304中输出的控制信号可以用于控制上述摄像头，控制信号可以包括但不限于以下任一种：用于控制摄像头拍摄照片的信号，用于控制摄像头开始拍摄视频的信号，用于控制摄像头结束拍摄视频的信号，用于控制摄像头拍摄预设时长的视频的信号。

作为示例，当上述执行主体确定所得到的手势识别结果用于表征手势为伸出拇指时，输出用于控制摄像头拍摄照片的控制信号；当上述执行主体确定所得到的手势识别结果用于表征手势为张开手掌时，输出用于控制摄像头开始拍摄视频的控制信号；当上述执行主体确定所得到的手势识别结果用于表征手势为握拳时，输出用于控制摄像头结束拍摄视频的控制信号；当上述执行主体确定所得到的手势识别结果用于表征手势为伸出食指时，输出用于控制摄像头拍摄预设时长(例如1分钟)的视频的控制信号。本实现方式可以实现使用户通过手势，灵活地控制设置在耳机上的摄像头，用户无需手动操作上述执行主体，即可完成拍摄操作。

此外，控制信号还可以是控制摄像头执行其他操作的信号，例如用于控制关闭摄像头的信号。

在本实施例的一些可选的实现方式中，控制信号用于控制目标设备执行目标操作。其中，目标设备可以是上述执行主体本身，也可以是与上述执行主体通信连接的其他电子设备。目标操作是预先与控制信号建立对应关系的操作。作为示例，控制信号可以为用于控制上述执行主体播放音乐的信号。假设目标设备为与上述执行主体通信连接的电视，控制信号可以为用于控制该电视开机、关机、更换频道等操作的信号。

继续参见图4，图4是根据本实施例的用于输出控制信号的方法的应用场景的一个示意图。在图4的应用场景中，用户佩戴着包括摄像头的耳机401，耳机401与用户使用的智能手机402连接。耳机401上的摄像头正在实时拍摄图像。此时，用户的手在摄像头前进行张开手掌动作，智能手机402获取到耳机401上的摄像头当前拍摄的待识别图像403。然后，智能手机402从待识别图像中确定手部图像4031为目标手部图像(例如当手部图像4031的面积与待识别图像403的面积之比大于等于预设的比例阈值时，确定手部图像4031为目标手部图像)。再然后，智能手机402对手部图像4031进行手势识别(例如将手部图像4031输入预先训练的手势识别模型)，得到手势识别结果404。例如，手势识别结果404为数字“1”，用于表征用户的手势为张开手掌。最后，输出预先与手势识别结果404建立对应关系的控制信号405。例如，控制信号405用于控制耳机401上的摄像头开始拍摄视频的控制信号，智能手机402将控制信号405发送到耳机401中，耳机401上的摄像头开始拍摄视频。

本公开的上述实施例提供的方法，通过获取设置在目标耳机上的摄像头拍摄的待识别图像，再从待识别图像中确定目标手部图像，然后对目标手部图像进行手势识别，得到手势识别结果，最后输出预先与手势识别结果建立对应关系的控制信号，可以实现使用户通过手势来控制耳机上的摄像头、与耳机连接的各种电子设备等，而无需用户进行手动操作，从而提高了控制各种电子设备的灵活性。

进一步参考图5，作为对上述图3所示方法的实现，本公开提供了一种用于输出控制信号的装置的一个实施例，该装置实施例与图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出控制信号的装置500包括：获取单元501，被配置成获取设置在目标耳机上的摄像头拍摄的待识别图像，其中，目标耳机为上述图1对应实施例描述的带摄像功能的耳机；确定单元502，被配置成从待识别图像中确定目标手部图像；识别单元503，被配置成对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果；第一输出单元504，被配置成输出预先与手势识别结果建立对应关系的控制信号。

在本实施例中，获取单元501可以通过有线连接方式或者无线连接方式获取设置在目标耳机(例如图2所示的耳机)上的摄像头拍摄的待识别图像。其中，目标耳机为与上述装置500通过有线或无线方式连接的耳机，目标耳机为上述图1对应实施例中描述的带摄像功能的耳机。

上述待识别图像可以是上述摄像头当前拍摄的图像。通常，用户可以使用上述装置500预先控制摄像头开始拍摄，从而上述获取单元501可以实时获取摄像头拍摄的图像。

在本实施例中，确定单元502可以从待识别图像中确定目标手部图像。其中，目标手部图像可以是待对其进行手势识别的图像。作为示例，上述确定单元502可以利用现有的人体图像识别方法和手部图像识别方法对待识别图像进行人体图像识别和手部图像识别，当确定某个手部图像表征的人手不属于待识别图像中包括的任何人体图像表征的人体时，确定该手部图像为目标手部图像，即确定该手部图像为上述用户的手部图像。

在本实施例中，识别单元503可以对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果。其中，手势识别结果可以是各种形式的信息，包括但不限于以下至少一种：数字、文字、符号等。例如数字1用于表征手势为握拳，数字2用于表征手势为张开手掌等等。

可选的，上述识别单元503可以利用现有的手部关键点识别方法，确定目标手部图像中的手部关键点，其中，手部关键点为用于表征手部的特定位置的点，例如手指尖，手掌，手腕等处的点。再利用各个手部关键点之间的位置关系，生成手势识别结果。

在本实施例中，第一输出单元504可以输出预先与手势识别结果建立对应关系的控制信号。其中，手势识别结果与控制信号的对应关系可以利用各种形式表征。例如，可以采用预先建立的对应关系表，该对应关系表中可以存储有多个手势识别结果和每个手势识别结果对应的控制信号。上述第一输出单元504可以从该对应关系表中查找与步骤303中所得到的手势识别结果相对应的控制信号并输出。再例如，可以采用预先建立的函数，将手势识别结果输入该函数中，生成并输出对应的控制信号。

上述控制信号可以包括但不限于以下至少一种：数字信号、文字信号等。

在本实施例的一些可选的实现方式中，确定单元502可以包括：第一确定模块(图中未示出)，被配置成从待识别图像中确定手部图像；第二确定模块(图中未示出)，被配置成确定手部图像的面积与待识别图像的面积之比是否大于等于预设的比例阈值；第三确定模块(图中未示出)，被配置成响应于确定大于等于预设的比例阈值，确定手部图像为目标手部图像。

在本实施例的一些可选的实现方式中，识别单元503可以进一步被配置成：将目标手部图像输入预先训练的手势识别模型，得到用于表征目标手部图像指示的手势的手势识别结果，其中，手势识别模型用于表征手部图像和手势识别结果的对应关系。

在本实施例的一些可选的实现方式中，手势识别模型可以预先通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果；利用机器学习方法，将获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

在本实施例的一些可选的实现方式中，该装置500还可以包括：第二输出单元(图中未示出)，被配置成控制目标耳机包括的声音输出装置输出预先与手势识别结果建立对应关系的提示音。

在本实施例的一些可选的实现方式中，控制信号可以用于控制上述摄像头，控制信号可以包括以下任一种：用于控制摄像头拍摄照片的信号，用于控制摄像头开始拍摄视频的信号，用于控制摄像头结束拍摄视频的信号，用于控制摄像头拍摄预设时长的视频的信号。

在本实施例的一些可选的实现方式中，控制信号用于控制目标设备执行目标操作。

本公开的上述实施例提供的装置，通过获取设置在目标耳机上的摄像头拍摄的待识别图像，再从待识别图像中确定目标手部图像，然后对目标手部图像进行手势识别，得到用于表征目标手部图像指示的手势识别结果，最后输出预先与手势识别结果建立对应关系的控制信号，可以实现使用户通过手势来控制耳机上的摄像头、与耳机连接的各种电子设备等，而无需用户进行手动操作，从而提高了控制各种电子设备的灵活性。

下面参考图6，其示出了适于用来实现本公开的实施例的终端设备600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等等的移动终端。图6示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，终端设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有终端设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如存储芯片等的存储装置608；以及通信装置609。通信装置609可以允许终端设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的终端设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开的实施例中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取设置在目标耳机上的摄像头拍摄的待识别图像，；从待识别图像中确定目标手部图像；对目标手部图像进行手势识别，得到用于表征所述目标手部图像指示的手势识别结果；输出预先与手势识别结果建立对应关系的控制信号。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、识别单元和第一输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取设置在目标耳机上的摄像头拍摄的待识别图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (19)

1.一种带摄像功能的耳机，包括：至少一个摄像头，图像输出装置，控制信号接收装置，信号处理器；其中，

所述至少一个摄像头，用于获取待识别图像，所述待识别图像中包含目标手部图像；

所述图像输出装置，用于将所述待识别图像发送至目标终端；

所述控制信号接收装置，用于接收所述目标终端发送的控制信号其中，所述控制信号由所述目标终端基于对所述待识别图像的手势识别结果得到；

所述信号处理器，用于基于所述控制信号控制所述至少一个摄像头。

2.根据权利要求1所述的耳机，其中，所述至少一个摄像头设置在所述耳机包括的至少一个声音输出装置上。

3.根据权利要求1或2所述的耳机，其中，所述耳机还包括供电模块，所述供电模块用于为所述至少一个声音输出装置和至少一个摄像头供电。

4.一种用于输出控制信号的方法，包括：

获取设置在目标耳机上的摄像头拍摄的待识别图像，其中，所述目标耳机为权利要求1-3之一所述的带摄像功能的耳机；

从所述待识别图像中确定目标手部图像；

对所述目标手部图像进行手势识别，得到用于表征所述目标手部图像指示的手势识别结果；

输出预先与所述手势识别结果建立对应关系的控制信号。

5.根据权利要求4所述的方法，其中，所述从所述待识别图像中确定目标手部图像，包括：

从所述待识别图像中确定手部图像；

确定所述手部图像的面积与所述待识别图像的面积之比是否大于等于预设的比例阈值；

响应于确定大于等于预设的比例阈值，确定所述手部图像为目标手部图像。

6.根据权利要求4所述的方法，其中，所述对所述目标手部图像进行手势识别，得到用于表征所述目标手部图像指示的手势识别结果，包括：

将所述目标手部图像输入预先训练的手势识别模型，得到用于表征所述目标手部图像指示的手势的手势识别结果，其中，所述手势识别模型用于表征手部图像和手势识别结果的对应关系。

7.根据权利要求6所述的方法，其中，所述手势识别模型预先通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果；

利用机器学习方法，将所述获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

8.根据权利要求4-7之一所述的方法，其中，在所述对所述目标手部图像进行手势识别，得到用于表征所述目标手部图像指示的手势识别结果之后，所述方法还包括：

控制所述目标耳机包括的声音输出装置输出预先与所述手势识别结果建立对应关系的提示音。

9.根据权利要求4-7之一所述的方法，其中，所述控制信号用于控制所述摄像头，所述控制信号包括以下任一种：用于控制所述摄像头拍摄照片的信号，用于控制所述摄像头开始拍摄视频的信号，用于控制所述摄像头结束拍摄视频的信号，用于控制所述摄像头拍摄预设时长的视频的信号。

10.根据权利要求4-7之一所述的方法，其中，所述控制信号用于控制目标设备执行目标操作。

11.一种用于输出控制信号的装置，包括：

获取单元，被配置成获取设置在目标耳机上的摄像头拍摄的待识别图像，其中，所述目标耳机为权利要求1-3之一所述的带摄像功能的耳机；

确定单元，被配置成从所述待识别图像中确定目标手部图像；

识别单元，被配置成对所述目标手部图像进行手势识别，得到用于表征所述目标手部图像指示的手势识别结果；

第一输出单元，被配置成输出预先与所述手势识别结果建立对应关系的控制信号。

12.根据权利要求11所述的装置，其中，所述确定单元包括：

第一确定模块，被配置成从所述待识别图像中确定手部图像；

第二确定模块，被配置成确定所述手部图像的面积与所述待识别图像的面积之比是否大于等于预设的比例阈值；

第三确定模块，被配置成响应于确定大于等于预设的比例阈值，确定所述手部图像为目标手部图像。

13.根据权利要求11所述的装置，其中，所述识别单元进一步被配置成：

将所述目标手部图像输入预先训练的手势识别模型，得到用于表征所述目标手部图像指示的手势的手势识别结果，其中，所述手势识别模型用于表征手部图像和手势识别结果的对应关系。

14.根据权利要求13所述的装置，其中，所述手势识别模型预先通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本手部图像和与样本手部图像对应的样本手势识别结果；

利用机器学习方法，将所述获取训练样本集合中的训练样本包括的样本手部图像作为输入，将与输入的样本

手部图像对应的样本手势识别结果作为期望输出，训练得到手势识别模型。

15.根据权利要求11-14之一所述的装置，其中，所述装置还包括：

第二输出单元，被配置成控制所述目标耳机包括的声音输出装置输出预先与所述手势识别结果建立对应关系的提示音。

16.根据权利要求11-14之一所述的装置，其中，所述控制信号用于控制所述摄像头，所述控制信号包括以下任一种：用于控制所述摄像头拍摄照片的信号，用于控制所述摄像头开始拍摄视频的信号，用于控制所述摄像头结束拍摄视频的信号，用于控制所述摄像头拍摄预设时长的视频的信号。

17.根据权利要求11-14之一所述的装置，其中，所述控制信号用于控制目标设备执行目标操作。

18.一种终端设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求4-10中任一所述的方法。

19.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求4-10中任一所述的方法。