CN110738118B - 手势识别方法、系统及管理终端、计算机可读存储介质 - Google Patents

手势识别方法、系统及管理终端、计算机可读存储介质 Download PDF

Info

Publication number
CN110738118B
CN110738118B CN201910870947.0A CN201910870947A CN110738118B CN 110738118 B CN110738118 B CN 110738118B CN 201910870947 A CN201910870947 A CN 201910870947A CN 110738118 B CN110738118 B CN 110738118B
Authority
CN
China
Prior art keywords
gesture
management terminal
image data
preprocessing
target
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.)
Active
Application number
CN201910870947.0A
Other languages
English (en)
Other versions
CN110738118A (zh
Inventor
赵莫言
王红伟
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910870947.0A priority Critical patent/CN110738118B/zh
Priority to PCT/CN2019/117813 priority patent/WO2021051575A1/zh
Publication of CN110738118A publication Critical patent/CN110738118A/zh
Application granted granted Critical
Publication of CN110738118B publication Critical patent/CN110738118B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种手势识别方法、系统及管理终端、计算机可读存储介质，其中，手势识别方法应用于手影识别系统中。手势识别方法包括：将目标手势置于所述手影形成器中、使用所述手影形成器中的摄像头拍摄所述目标手势的至少两个角度下所形成的影子、所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端、所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理、所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割等步骤。本发明能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。

Description

手势识别方法、系统及管理终端、计算机可读存储介质
技术领域
本发明涉及计算机技术领域，具体而言，本发明涉及一种手势识别方法、系统及管理终端、计算机可读存储介质。
背景技术
在现有技术中，某些产品生产环节中，操作人员需要根据标准手势对产品进行操作以确保产品被正确加工，但是在这一过程中，由于操作人员自身对标准手势的识别不到位或者标准手势不清晰等原因，操作人员的操作还是容易失误，进而导致无法正确完成操作步骤、进而导致产品的质量低下，甚至无法完成产品。
为了提高标准手势的清晰度以供的操作人员参考，通常采用高清摄像装置捕捉标准手势并形成标准手势的图像，这样能够一定程度上提高标注手势的图像清晰度，进而提高操作人员对标准手势的识别精确度，但是，由于这种方法依赖价格昂贵、安装要求高的高清摄像装置，故该方式会导致产生成本高、不利于大规模推广。
发明内容
本发明针对现有方式的缺点，提出一种手势识别方法、系统及管理终端、计算机可读存储介质。
为解决上述技术问题，本发明第一方面提供一种手势识别方法，该方法应用于手影识别系统中，且该方法包括:
所述管理终端接收所述手影形成器发送的手势图像数据，其中，所述手势图像数据根据所述手影形成器中的摄像头拍摄的置于所述手影形成器中的目标手势对应的至少两个角度下所形成的影子所生成；
所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理；
所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割；
所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；
所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端使用中值滤波算法完成对所述手势图像数据的滤波，以去除所述手势图像数据的噪声；
所述管理终端使用图像二值化算法将滤波后的手势图像数据拆分成第一图像部分和第二图像部分，其中，所述第一图像部分是灰色背景部分，所述第二图像部分是黑色背景部分。
作为一种可选的实施方式，在所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端之后，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理之前，所述方法还包括：
所述管理终端对所述手势图像数据进行直方图统计并生成统计结果。
作为一种可选的实施方式，所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割，包括：
所述管理终端使用Kinect算法完成对所述手势图像数据的分割。
作为一种可选的实施方式，所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征，包括：
所述管理终端在所述手势图像数据划出手指中心线的单像素线条；
所述管理终端根据所述单像素线条的像素坐标计算手指的方向特征；
所述管理终端根据所述手指的方向特征分割所述手势图像数据；
所述管理终端根据分割出的每个手指所有像素点在手势圆周面内的方位分布情况来确定每个手指的位置特征；
所述管理终端利用分割出手指尺度不变的图像矩阵特征提取目标手势的形状特征。
作为一种可选的实施方式，所述管理终端使用手势识别模型识别所述目标手势的特征，包括：
所述管理终端构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别；
其中，所述嵌入深度稀疏自编码器的层级决策分类器包括手指的方向分类器、手指的位置分类器、手指的形状分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端通过形态学处理算法去除所述手势图像数据中的噪声点；
所述管理终端确定手势中心点，并以所述手势中心点作为基准在所述手势图像数据去除手腕部分的图像数据；
所述管理终端根据所述去除手腕部分的图像数据，并运用霍夫变换算法检测出手势轮廓线上直线特征的方向，再根据所述直线特征的方向的平均值将所述手势图像数据对应的手势图像旋转校正到竖直方向。
本发明第二方面提供一种手影识别系统，所述系统包括手影形成器、管理终端，其中：
所述手影形成器，用于使用摄像头拍摄目标手势的至少两个角度下所形成的影子；
所述手影形成器，还用于在使用摄像头拍摄目标手势的至少两个角度下所形成的影子之后，将所述摄像头生成的手势图像数据发送到所述管理终端；
所述管理终端，用于按照预设的预处理规则完成对所述手势图像数据的预处理，使用图像分割算法对完成预处理的手势图像数据进行图像分割；
按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
使用中值滤波算法完成对所述手势图像数据的滤波，以去除所述手势图像数据的噪声；
使用图像二值化算法将滤波后的手势图像数据拆分成第一图像部分和第二图像部分，其中，所述第一图像部分是灰色背景部分，所述第二图像部分是黑色背景部分。
作为一种可选的实施方式，在所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端之后，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理之前，所述方法还包括：
所述管理终端对所述手势图像数据进行直方图统计并生成统计结果。
作为一种可选的实施方式，所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割，包括：
使用Kinect算法完成对所述手势图像数据的分割。
作为一种可选的实施方式，所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征，包括：
所述管理终端在所述手势图像数据划出手指中心线的单像素线条；
所述管理终端根据所述单像素线条的像素坐标计算手指的方向特征；
所述管理终端根据所述手指的方向特征分割所述手势图像数据；
所述管理终端根据分割出的每个手指所有像素点在手势圆周面内的方位分布情况来确定每个手指的位置特征；
所述管理终端利用分割出手指尺度不变的图像矩阵特征提取目标手势的形状特征。
作为一种可选的实施方式，所述管理终端使用手势识别模型识别所述目标手势的特征，包括：
所述管理终端构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别；
以及，所述构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别，包括：
所述嵌入深度稀疏自编码器的层级决策分类器包括手指的方向分类器、手指的位置分类器、手指的形状分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端通过形态学处理算法去除所述手势图像数据中的噪声点；
所述管理终端确定手势中心点，并以所述手势中心点作为基准在所述手势图像数据去除手腕部分的图像数据；
所述管理终端根据所述去除手腕部分的图像数据，并运用霍夫变换算法检测出手势轮廓线上直线特征的方向，再根据所述直线特征的方向的平均值将所述手势图像数据对应的手势图像旋转校正到竖直方向。
本发明第三方面还提供一种管理终端，所述管理终端包括：
处理器；以及
存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行如本发明第一方面所述的手势识别方法。
本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序程序被处理器执行如本发明第一方面所述的手势识别方法。
与现有技术相比，本发明具有如下有益效果：
本发明能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例一提供的手势识别方法的流程示意图；
图2是本发明实施例二提供的手影识别系统的结构示意图；
图3是本发明实施例三提供的管理终端的结构示意图。
具体实施方式
下面详细描述本发明，本发明的实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外，如果已知技术的详细描述对于示出的本发明的特征是不必要的，则将其省略。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
下面以具体地实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。
实施例一
如图1所示，图1是本发明实施例一提供手势识别方法的流程示意图，其中，该方法包括步骤：
101、所述管理终端接收所述手影形成器发送的所述手势图像数据，其中，所述手势图像数据根据所述手影形成器中的摄像头拍摄的置于所述手影形成器中的目标手势对应的至少两个角度下所形成的影子所生成；
102、所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理；
103、所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割；
104、所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；
105、所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端使用中值滤波算法完成对所述手势图像数据的滤波，以去除所述手势图像数据的噪声；
所述管理终端使用图像二值化算法将滤波后的手势图像数据拆分成第一图像部分和第二图像部分，其中，所述第一图像部分是灰色背景部分，所述第二图像部分是黑色背景部分。
作为一种可选的实施方式，在所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端之后，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理之前，所述方法还包括：
所述管理终端对所述手势图像数据进行直方图统计并生成统计结果。
作为一种可选的实施方式，所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割，包括：
所述管理终端使用Kinect算法完成对所述手势图像数据的分割。
作为一种可选的实施方式，所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征，包括：
所述管理终端在所述手势图像数据划出手指中心线的单像素线条；
所述管理终端根据所述单像素线条的像素坐标计算手指的方向特征；
所述管理终端根据所述手指的方向特征分割所述手势图像数据；
所述管理终端根据分割出的每个手指所有像素点在手势圆周面内的方位分布情况来确定每个手指的位置特征；
所述管理终端利用分割出手指尺度不变的图像矩阵特征提取目标手势的形状特征。
作为一种可选的实施方式，所述管理终端使用手势识别模型识别所述目标手势的特征，包括：
所述管理终端构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别；
其中，所述嵌入深度稀疏自编码器的层级决策分类器包括手指的方向分类器、手指的位置分类器、手指的形状分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端通过形态学处理算法去除所述手势图像数据中的噪声点；
所述管理终端确定手势中心点，并以所述手势中心点作为基准在所述手势图像数据去除手腕部分的图像数据；
所述管理终端根据所述去除手腕部分的图像数据，并运用霍夫变换算法检测出手势轮廓线上直线特征的方向，再根据所述直线特征的方向的平均值将所述手势图像数据对应的手势图像旋转校正到竖直方向。
现有手势识别技术是基于高清摄像头拍摄目标手势形成目标手势的高清图像，进而基于高清图像完成对手势的识别与还原，该种方式对摄像机的要求高，且由于该方式形成的高清图像有多种像素色彩，进而导致手势的识别精度不够高，例如，手的肤色的颜色降低了手势识别的精确度或者提高了手势识别的识别难度，而本发明通过将手势放入手影成影器中并通过摄像头拍摄该手势的手影，进而通过管理终端完成对手势的识别和还原，这种方式不需要高清摄像头，也不要手势的高清图像，也能够完成对手势的识别与复原，另一方面，由于本发明使用普通摄像机拍摄手势的影子所形成的图像只有灰色背景和黑色的影子部分，故本发明基于该图像的手势识别方式能够避免其他颜色对识别精确度的影响。
本发明实施例的手势识别方法，能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。
实施例二
如图2所示，图2是本发明实施例二提供的一种手影识别系统的结构示意图，所述系统包括手影形成器、管理终端，其中：
所述手影形成器，用于使用摄像头拍摄目标手势的至少两个角度下所形成的影子；
所述手影形成器，还用于在使用摄像头拍摄目标手势的至少两个角度下所形成的影子之后，将所述摄像头生成的手势图像数据发送到所述管理终端；
所述管理终端，用于按照预设的预处理规则完成对所述手势图像数据的预处理，使用图像分割算法对完成预处理的手势图像数据进行图像分割；
按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
使用中值滤波算法完成对所述手势图像数据的滤波，以去除所述手势图像数据的噪声；
使用图像二值化算法将滤波后的手势图像数据拆分成第一图像部分和第二图像部分，其中，所述第一图像部分是灰色背景部分，所述第二图像部分是黑色背景部分。
作为一种可选的实施方式，在所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端之后，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理之前，所述方法还包括：
所述管理终端对所述手势图像数据进行直方图统计并生成统计结果。
作为一种可选的实施方式，所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割，包括：
使用Kinect算法完成对所述手势图像数据的分割。
作为一种可选的实施方式，所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征，包括：
所述管理终端在所述手势图像数据划出手指中心线的单像素线条；
所述管理终端根据所述单像素线条的像素坐标计算手指的方向特征；
所述管理终端根据所述手指的方向特征分割所述手势图像数据；
所述管理终端根据分割出的每个手指所有像素点在手势圆周面内的方位分布情况来确定每个手指的位置特征；
所述管理终端利用分割出手指尺度不变的图像矩阵特征提取目标手势的形状特征。
作为一种可选的实施方式，所述管理终端使用手势识别模型识别所述目标手势的特征，包括：
所述管理终端构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别；
以及，所述构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别，包括：
所述嵌入深度稀疏自编码器的层级决策分类器包括手指的方向分类器、手指的位置分类器、手指的形状分类器。
作为一种可选的实施方式，所述管理终端对按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端通过形态学处理算法去除所述手势图像数据中的噪声点；
所述管理终端确定手势中心点，并以所述手势中心点作为基准在所述手势图像数据去除手腕部分的图像数据；
所述管理终端根据所述去除手腕部分的图像数据，并运用霍夫变换算法检测出手势轮廓线上直线特征的方向，再根据所述直线特征的方向的平均值将所述手势图像数据对应的手势图像旋转校正到竖直方向。
本发明实施例的系统通过执行手势识别方法，能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。
实施例三
如图3所示，图3是本发明实施例三提供一种管理终端的结构示意图，其中，该管理终端包括：
处理器302；以及
存储器301，配置用于存储机器可读指令，所述指令在由所述处理器302执行时，使得所述处理器302执行如本发明实施例一所述的手势识别方法。
本发明实施例的管理终端通过执行手势识别方法，能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。
实施例四
本发明实施例四提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序程序被处理器执行如本发明实施例一所述的手势识别方法。
本发明实施例的计算机可读存储介质通过执行手势识别方法，能够根据某个手势的手影数据还原出该手势，且本发明不需要使用到高规格的摄像装置捕捉瞬时手势，进而本发明具有识别精度高、成本低的优点。
本技术领域技术人员可以理解，本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个及以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种手势识别方法，其特征在于，所述方法应用于手影识别系统中，其中，所述手影识别系统包括手影形成器、管理终端；所述方法包括：
所述管理终端接收所述手影形成器发送的手势图像数据，其中，所述手势图像数据根据所述手影形成器中的摄像头拍摄的置于所述手影形成器中的目标手势对应的至少两个角度下所形成的影子所生成；
所述管理终端按照预设的预处理规则完成对所述手势图像数据的预处理；
所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割；
所述管理终端按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；包括：所述管理终端在所述手势图像数据划出手指中心线的单像素线条；所述管理终端根据所述单像素线条的像素坐标计算手指的方向特征；所述管理终端根据所述手指的方向特征分割所述手势图像数据；所述管理终端根据分割出的每个手指所有像素点在手势圆周面内的方位分布情况来确定每个手指的位置特征；所述管理终端利用分割出手指尺度不变的图像矩阵特征提取目标手势的形状特征；
所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
2.如权利要求1所述的手势识别方法，其特征在于，所述管理终端按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端使用中值滤波算法完成对所述手势图像数据的滤波，以去除所述手势图像数据的噪声；
所述管理终端使用图像二值化算法将滤波后的手势图像数据拆分成第一图像部分和第二图像部分，其中，所述第一图像部分是灰色背景部分，所述第二图像部分是黑色背景部分。
3.如权利要求1所述的手势识别方法，其特征在于，在所述手影形成器将所述摄像头生成的手势图像数据发送到所述管理终端之后，所述管理终端按照预设的预处理规则完成对所述手势图像数据的预处理之前，所述方法还包括：
所述管理终端对所述手势图像数据进行直方图统计并生成统计结果。
4.如权利要求1所述的手势识别方法，其特征在于，所述管理终端使用图像分割算法对完成预处理的手势图像数据进行图像分割，包括：
所述管理终端使用Kinect算法完成对所述手势图像数据的分割。
5.如权利要求1所述的手势识别方法，其特征在于，所述管理终端使用手势识别模型识别所述目标手势的特征，包括：
所述管理终端构建一种嵌入深度稀疏自编码器的层级决策分类器对手势进行逐级分类识别；
其中，所述嵌入深度稀疏自编码器的层级决策分类器包括手指的方向分类器、手指的位置分类器、手指的形状分类器。
6.如权利要求1所述的手势识别方法，其特征在于，所述管理终端按照预设的预处理规则完成对所述手势图像数据的预处理，包括：
所述管理终端通过形态学处理算法去除所述手势图像数据中的噪声点；
所述管理终端确定手势中心点，并以所述手势中心点作为基准在所述手势图像数据去除手腕部分的图像数据；
所述管理终端根据所述去除手腕部分的图像数据，并运用霍夫变换算法检测出手势轮廓线上直线特征的方向，再根据所述直线特征的方向的平均值将所述手势图像数据对应的手势图像旋转校正到竖直方向。
7.一种手影识别系统，其特征在于，所述系统包括手影形成器、管理终端，其中：
所述手影形成器，用于使用摄像头拍摄目标手势的至少两个角度下所形成的影子；
所述手影形成器，还用于在使用摄像头拍摄目标手势的至少两个角度下所形成的影子之后，将所述摄像头生成的手势图像数据发送到所述管理终端；
所述管理终端，用于按照预设的预处理规则完成对所述手势图像数据的预处理，使用图像分割算法对完成预处理的手势图像数据进行图像分割；
按照预设特征提取规则从完成图像分割的手势图像数据中提取所述目标手势的特征；所述管理终端使用手势识别模型识别所述目标手势的特征，进而完成目标手势的识别，其中，所述手势识别模型包括稀疏自编码器的层级决策分类器。
8.一种管理终端，其特征在于：所述管理终端，包括：
处理器；以及
存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行如权利要求1-6中任一项所述的手势识别方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行如权利要求1-6中任一项所述的手势识别方法。
CN201910870947.0A 2019-09-16 2019-09-16 手势识别方法、系统及管理终端、计算机可读存储介质 Active CN110738118B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910870947.0A CN110738118B (zh) 2019-09-16 2019-09-16 手势识别方法、系统及管理终端、计算机可读存储介质
PCT/CN2019/117813 WO2021051575A1 (zh) 2019-09-16 2019-11-13 手势识别方法、系统及管理终端、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910870947.0A CN110738118B (zh) 2019-09-16 2019-09-16 手势识别方法、系统及管理终端、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110738118A CN110738118A (zh) 2020-01-31
CN110738118B true CN110738118B (zh) 2023-07-07

Family

ID=69268043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910870947.0A Active CN110738118B (zh) 2019-09-16 2019-09-16 手势识别方法、系统及管理终端、计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN110738118B (zh)
WO (1) WO2021051575A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012129649A1 (en) * 2011-03-31 2012-10-04 Smart Technologies Ulc Gesture recognition by shadow processing
KR101483741B1 (ko) * 2014-02-10 2015-01-27 전남대학교산학협력단 슬라이스 패턴 영상을 이용한 터치 인식 방법 및 그 시스템
EP2980728A1 (en) * 2014-08-01 2016-02-03 Imersivo, S.L. Procedure for identifying a hand gesture
CN106022319A (zh) * 2016-06-30 2016-10-12 联想(北京)有限公司 一种手势识别方法及手势识别系统
CN106462227A (zh) * 2014-08-07 2017-02-22 日立麦克赛尔株式会社 投影型影像显示装置及其控制方法
CN107844759A (zh) * 2017-10-24 2018-03-27 努比亚技术有限公司 一种手势识别方法、终端及存储介质
CN107846555A (zh) * 2017-11-06 2018-03-27 深圳慧源创新科技有限公司 基于手势识别的自动拍摄方法、装置、用户终端及计算机存储介质
CN108133206A (zh) * 2018-02-11 2018-06-08 辽东学院 静态手势识别方法、装置及可读存储介质
CN108647597A (zh) * 2018-04-27 2018-10-12 京东方科技集团股份有限公司 一种手腕识别方法、手势识别方法、装置和电子设备
CN109359566A (zh) * 2018-09-29 2019-02-19 河南科技大学 利用手指特征进行层级分类的手势识别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012129649A1 (en) * 2011-03-31 2012-10-04 Smart Technologies Ulc Gesture recognition by shadow processing
KR101483741B1 (ko) * 2014-02-10 2015-01-27 전남대학교산학협력단 슬라이스 패턴 영상을 이용한 터치 인식 방법 및 그 시스템
EP2980728A1 (en) * 2014-08-01 2016-02-03 Imersivo, S.L. Procedure for identifying a hand gesture
CN106462227A (zh) * 2014-08-07 2017-02-22 日立麦克赛尔株式会社 投影型影像显示装置及其控制方法
CN106022319A (zh) * 2016-06-30 2016-10-12 联想(北京)有限公司 一种手势识别方法及手势识别系统
CN107844759A (zh) * 2017-10-24 2018-03-27 努比亚技术有限公司 一种手势识别方法、终端及存储介质
CN107846555A (zh) * 2017-11-06 2018-03-27 深圳慧源创新科技有限公司 基于手势识别的自动拍摄方法、装置、用户终端及计算机存储介质
CN108133206A (zh) * 2018-02-11 2018-06-08 辽东学院 静态手势识别方法、装置及可读存储介质
CN108647597A (zh) * 2018-04-27 2018-10-12 京东方科技集团股份有限公司 一种手腕识别方法、手势识别方法、装置和电子设备
CN109359566A (zh) * 2018-09-29 2019-02-19 河南科技大学 利用手指特征进行层级分类的手势识别方法

Also Published As

Publication number Publication date
WO2021051575A1 (zh) 2021-03-25
CN110738118A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN108416355B (zh) 一种基于机器视觉的工业现场生产数据的采集方法
CN114119676B (zh) 基于多特征信息融合的目标检测跟踪识别方法和系统
CN111612820A (zh) 多目标跟踪方法、特征提取模型的训练方法和装置
JP6932402B2 (ja) スマートホームシーン向けのマルチジェスチャー精分割方法
CN103679147A (zh) 手机型号的识别方法与装置
CN110569785B (zh) 一种融合跟踪技术的人脸识别方法
CN106709500B (zh) 一种图像特征匹配的方法
CN104268519A (zh) 基于模式匹配的图像识别终端及其识别方法
CN110633289A (zh) 一种车牌号确定方法、服务器及停车管理系统
CN104077557B (zh) 一种获取卡片信息的方法和装置
CN109829510A (zh) 一种产品品质分级的方法、装置和设备
CN109919038A (zh) 基于机器视觉与深度学习的配电柜方形压板状态识别方法
CN109035351B (zh) 一种基于边链码的图像目标边界表达方法
CN110738118B (zh) 手势识别方法、系统及管理终端、计算机可读存储介质
CN112084804B (zh) 针对信息缺失条形码智能获取补足像素的工作方法
CN109766924A (zh) 基于图像信息熵与自适应阈值daisy特征点的图像检测方法
Wu et al. Steel bars counting and splitting method based on machine vision
CN109785367B (zh) 三维模型追踪中外点滤除方法和装置
CN106603888A (zh) 图像颜色提取处理结构
CN112287769B (zh) 一种人脸检测方法、装置、设备和存储介质
Huang et al. Scene character detection and recognition based on multiple hypotheses framework
CN115221910A (zh) 二维码识别方法、装置、设备及计算机可读存储介质
CN107067009A (zh) 一种实时杆号识别方法
CN108171750A (zh) 基于视觉的箱子装卸定位识别系统
CN111275693A (zh) 一种图像中物体的计数方法、计数装置及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant