CN112631430B - 手势运动轨迹处理方法、装置、设备及介质 - Google Patents

手势运动轨迹处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN112631430B
CN112631430B CN202011624745.7A CN202011624745A CN112631430B CN 112631430 B CN112631430 B CN 112631430B CN 202011624745 A CN202011624745 A CN 202011624745A CN 112631430 B CN112631430 B CN 112631430B
Authority
CN
China
Prior art keywords
gesture
particles
target
determining
particle
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
CN202011624745.7A
Other languages
English (en)
Other versions
CN112631430A (zh
Inventor
孙红伟
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.)
Anhui Hongcheng Opto Electronics Co Ltd
Original Assignee
Anhui Hongcheng Opto Electronics 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 Anhui Hongcheng Opto Electronics Co Ltd filed Critical Anhui Hongcheng Opto Electronics Co Ltd
Priority to CN202011624745.7A priority Critical patent/CN112631430B/zh
Publication of CN112631430A publication Critical patent/CN112631430A/zh
Application granted granted Critical
Publication of CN112631430B publication Critical patent/CN112631430B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language

Abstract

本申请提供了一种手势运动轨迹处理方法、装置、设备及介质。手势运动轨迹处理方法包括：针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k‑1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子；根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；根据目标状态估计值，确定目标手势运动轨迹。本申请的手势运动轨迹处理方法、装置、设备及介质，能够提高手势控制的准确性。

Description

手势运动轨迹处理方法、装置、设备及介质
技术领域
本申请属于人机交互技术领域，具体涉及一种手势运动轨迹处理方法、装置、设备及介质。
背景技术
随着智能交互技术的发展，通过手势控制电子设备实现各种各样的功能被广泛应用于各个领域，比如，车载系统、智能家居、手机等等。
为了实现手势控制，首先要通过测量获取手势运动，进而得到手势运动对应的运动轨迹。但手势运动是一种非规则化的运动并且手势测量系统本身也可能存在误差，这就导致得到的手势运动轨迹是存在噪声的。该噪声的存在会导致利用该手势运动轨迹进行控制时，手势控制不准确。
发明内容
本申请实施例的目的是提供一种手势运动轨迹处理方法、装置、设备及介质，能够解决手势控制不准确的问题。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种手势运动轨迹处理方法，包括：
针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；
根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；
根据目标状态估计值，确定目标手势运动轨迹。
第二方面，本申请实施例提供了一种手势运动轨迹处理装置，包括：
第一确定模块，用于针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
第一滤波模块，用于根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；
第二滤波模块，用于根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；
第二确定模块，用于根据目标状态估计值，确定目标手势运动轨迹。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的手势运动轨迹处理方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的手势运动轨迹处理方法的步骤。
在本申请实施例中，通过对手势测量系统测量得到的原始手势运动轨迹中的每个时刻的手势进行滤波处理，得到目标手势运动轨迹。由于对原始手势运动轨迹中的每个时刻的手势进行了滤波处理，因此，能够减少原始手势运动轨迹中的噪声，得到噪声较少的目标手势运动轨迹，即能够得到较为平滑的手势运动轨迹。基于该目标手势运动轨迹进行手势控制，能够提高手势控制的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请实施例提供的手势运动轨迹处理方法的流程示意图；
图2是本申请实施例提供的手势运动轨迹处理装置的结构示意图；
图3是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的手势运动轨迹处理方法、装置、设备及介质进行详细地说明。
图1是本申请实施例提供的手势运动轨迹处理方法的流程示意图。手势运动轨迹处理方法可以包括：
S101：针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
S102：根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；
S103：根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；
S104：根据目标状态估计值，确定目标手势运动轨迹。
上述各步骤的具体实现方式将在下文中进行详细描述。
在本申请实施例中，通过对手势测量系统测量得到的原始手势运动轨迹中的每个时刻的手势进行滤波处理，得到目标手势运动轨迹。由于对原始手势运动轨迹中的每个时刻的手势进行了滤波处理，因此，能够减少原始手势运动轨迹中的噪声，得到噪声较少的目标手势运动轨迹。基于该目标手势运动轨迹进行手势控制，能够提高手势控制的准确性。
在本申请实施例的一些可能实现中，S101中的手势测量系统可以是在手势运动的三维空间坐标系内建立的手势测量系统，该手势测量系统能够测量手势在每一时刻的位置坐标信息。
在本申请实施例中，手势运动的三维空间坐标系可以为以摄像头的中心为原点，以摄像头朝向方向为X轴，以摄像头水平方向为Y轴，以摄像头的竖直方向为Z轴的三维空间坐标系。
在本申请实施例中，手势测量系统对应的量测方程如下公式(1)所示，
Zk＝H×Xk+Vk (1)
公式(1)中，Zk为手势测量系统测量到的第k时刻手势的坐标，用向量表示为(xk，yk，zk)，xk、yk和zk分别为第k时刻手势在X轴、Y轴和Z轴的坐标值，H为测量矩阵，Xk为第k时刻的手势的状态，用向量表示为(xk，vx|k，ax|k，yk，vy|k，ay|k，zk，vz|k，az|k)，vx|k、vy|k和vz|k分别为第k时刻手势在X轴、Y轴和Z轴的运动速度，ax|k、ay|k和az|k分别为第k时刻手势在X轴、Y轴和Z轴的运动加速度，Vk为测量噪声。
Figure BDA0002874580530000051
在本申请实施例的一些可能实现中，测量噪声Vk为高斯白噪声且具有零均值，且方差为R。Vk用矩阵表示为：
Figure BDA0002874580530000052
其中，vk|x、vk|y和vk|z分别表示第k时刻手势坐标的测量值在X轴、Y轴和Z轴的噪声值。
手势运动是一种连续变化的运动过程。在本申请实施例中，将手势运动简化为匀速直线运动，将手势运动的加速度作为手势运动过程的噪声，得到手势运动对应的状态方程，如下公式(2)所示，
Xk＝A×Xk-1+Wk (2)
公式(2)中，Xk为第k时刻的手势的状态，Xk-1为第k-1时刻的手势的状态，A为状态转移矩阵，Wk为手势运动过程的噪声。
Figure BDA0002874580530000061
其中，T为单位时间，即第k-1时刻到第k时刻的时长。
在本申请实施例的一些可能实现中，手势运动过程的噪声Wk为高斯白噪声且具有零均值，且方差为Q。Wk用矩阵表示为：
Figure BDA0002874580530000062
在本申请实施例的一些可能实现中，为了加快粒子滤波的收敛速度，第0时刻的手势对应的N个粒子可以为：从以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内按照正态分布随机选取的N个粒子。用P＝[p1，p2，p3，……，pN]表示N个粒子，则有如下关系：
P～N(X0，Q)，即P服从数学期望为X0，方差为Q的正态分布。或，
Figure BDA0002874580530000063
即
Figure BDA0002874580530000064
服从数学期望为0，方差为1的正态分布。
在本申请实施例的一些可能实现中，S101可以包括：根据N个第一粒子和手势运动对应的状态方程，确定N个第二粒子。
具体地，将N个第一粒子中的每个第一粒子代入上述状态方程公式(2)，得到每个第一粒子对应的第二粒子。
其中，第j个第二粒子pj|k＝A×pj|k-1+Wk，j＝1，2，3……，N。A为状态转移矩阵，Wk为手势运动过程的噪声，pj|k-1为第j个第一粒子。
在本申请实施例的一些可能实现中，S102可以包括：根据N个第二粒子以及第k时刻的手势对应的测量值，确定每个第二粒子的第一权重；根据第一权重，确定第k时刻的手势对应的N个第二粒子中的有效粒子数；在有效粒子数小于预设粒子数的情况下，对粒子进行重采样，得到N个第三粒子，将N个第三粒子作为N个目标粒子，在有效粒子数不小于预设粒子数的情况下，将N个第二粒子作为N个目标粒子；根据N个目标粒子和每个目标粒子对应的第二权重，确定第一状态估计值。
在本申请实施例的一些可能实现中，当对粒子进行重采样，得到N个第三粒子后，每个第三粒子对应的权重为
Figure BDA0002874580530000071
在本申请实施例的一些可能实现中，根据N个第二粒子以及第k时刻的手势对应的测量值，确定每个第二粒子的第一权重，可以包括：针对每个第二粒子，根据第二粒子、第k时刻的手势对应的测量值和手势测量系统对应的测量噪声的方差，确定第二粒子的第一权重。
具体地，第j个第二粒子的第一权重
Figure BDA0002874580530000072
e为自然常数，R为测量噪声Vk的方差，Zk为手势测量系统测量到的第k时刻手势对应的测量值，pj|k为第j个第二粒子。
在本申请实施例的一些可能实现中，根据第一权重，确定第k时刻的手势对应的N个第二粒子中的有效粒子数，可以包括：计算N个第二粒子的第一权重的平方和；将N与平方和的商，作为有效粒子数。
具体地，有效粒子数
Figure BDA0002874580530000073
Figure BDA0002874580530000074
为第j个第二粒子的第一权重。
在本申请实施例的一些可能实现中，根据N个目标粒子和每个目标粒子对应的第二权重，确定第一状态估计值，可以包括：根据每个目标粒子对应的第二权重，对N个目标粒子进行加权求和，得到第一状态估计值。
具体地，第一状态估计值
Figure BDA0002874580530000081
Figure BDA0002874580530000082
为第j个目标粒子，
Figure BDA0002874580530000083
为第j个目标粒子对应的第二权重。
在本申请实施例的一些可能实现中，在对粒子进行重采样时，可以采用以下所列项中的任意一种重采样方式对粒子进行重采样：多项式重采样、分层式重采样、系统重采样。
在本申请实施例的一些可能实现中，S103可以包括：根据第一状态估计值，确定第k时刻的手势对应的N个目标粒子中每个目标粒子的第三权重；根据N个目标粒子和每个目标粒子对应的第三权重，确定目标状态估计值。
在本申请实施例的一些可能实现中，根据第一状态估计值，确定第k时刻的手势对应的N个目标粒子中每个目标粒子的第三权重，可以包括：针对每个目标粒子，根据目标粒子、第一状态估计值和手势测量系统对应的测量噪声的方差，确定目标粒子的第三权重。
具体地，第j个目标粒子的第三权重
Figure BDA0002874580530000084
e为自然常数，R为测量噪声Vk的方差，X'k为第一状态估计值，
Figure BDA0002874580530000085
为第j个目标粒子。
在本申请实施例的一些可能实现中，根据N个目标粒子和每个目标粒子对应的第三权重，确定目标状态估计值可以包括：根据每个目标粒子对应的第三权重，对N个目标粒子进行加权求和，得到目标状态估计值。
具体地，目标状态估计值
Figure BDA0002874580530000086
Figure BDA0002874580530000087
为第j个目标粒子，
Figure BDA0002874580530000088
为第j个目标粒子的第三权重。
在本申请实施例的一些可能实现中，在S104中，将该目标状态估计值与量测矩阵H进行乘积运算，即可得到第k时刻手势的目标位置坐标
Figure BDA0002874580530000089
当得到每一时刻手势的目标位置坐标，即可得到目标手势运动轨迹。
在本申请实施例的一些可能实现中，在确定N个目标粒子之前，本申请实施例提供的手势运动轨迹处理方法还可以包括：对粒子的权重进行归一化处理。
具体地，可以采用公式(3)对粒子的权重进行归一化：
Figure BDA0002874580530000091
其中，w'j|k为第j个粒子归一化后的权重，wj|k为第j个粒子归一化前的权重。
在对粒子的权重进行归一化之后，根据粒子归一化后的权重，确定第k时刻的手势对应的N个第二粒子中的有效粒子数。
在本申请实施例中，通过对手势测量系统测量得到的原始手势运动轨迹中的每个时刻的手势进行滤波处理，能够对手势测量系统得到的含有噪声的手势运动轨迹进行处理，得到平滑的手势运动轨迹，为基于手势运动轨迹进行控制的系统提供了良好的基础，如手势控制光标的移动、手势控制书写、手势控制图像捕获、手势控制电子书翻页和手势控制划线标记等等。
需要说明的是，本申请实施例提供的手势运动轨迹处理方法，执行主体可以为手势运动轨迹处理装置，或者该手势运动轨迹处理装置中的用于执行手势运动轨迹处理方法的控制模块。本申请实施例中以手势运动轨迹处理装置执行手势运动轨迹处理方法为例，说明本申请实施例提供的手势运动轨迹处理装置。
图2是本申请实施例提供的手势运动轨迹处理装置的结构示意图。手势运动轨迹处理装置200可以包括：
第一确定模块201，用于针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
第一滤波模块202，用于根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；
第二滤波模块203，用于根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；
第二确定模块204，用于根据目标状态估计值，确定目标手势运动轨迹。
在本申请实施例中，通过对手势测量系统测量得到的原始手势运动轨迹中的每个时刻的手势进行滤波处理，得到目标手势运动轨迹。由于对原始手势运动轨迹中的每个时刻的手势进行了滤波处理，因此，能够减少原始手势运动轨迹中的噪声，得到噪声较少的目标手势运动轨迹。基于该目标手势运动轨迹进行手势控制，能够提高手势控制的准确性。
在本申请实施例的一些可能实现中，第一确定模块201具体可以用于：
根据N个第一粒子和手势运动对应的状态方程，确定N个第二粒子，其中，状态方程为将手势运动简化为匀速直线运动，将手势运动的加速度作为手势运动过程的噪声得到的方程。
在本申请实施例的一些可能实现中，第一滤波模块202可以包括：
第一确定子模块，用于根据N个第二粒子以及第k时刻的手势对应的测量值，确定每个第二粒子的第一权重；
第二确定子模块，用于根据第一权重，确定第k时刻的手势对应的N个第二粒子中的有效粒子数；
第三确定子模块，用于在有效粒子数小于预设粒子数的情况下，对粒子进行重采样，得到N个第三粒子，将N个第三粒子作为N个目标粒子，在有效粒子数不小于预设粒子数的情况下，将N个第二粒子作为N个目标粒子；
第四确定子模块，用于根据N个目标粒子和每个目标粒子对应的第二权重，确定第一状态估计值。
在本申请实施例的一些可能实现中，第一确定子模块具体可以用于：
针对每个第二粒子，根据第二粒子、第k时刻的手势对应的测量值和手势测量系统对应的测量噪声的方差，确定第二粒子的第一权重。
在本申请实施例的一些可能实现中，第二确定子模块具体可以用于：
计算N个第二粒子的第一权重的平方和；
将N与平方和的商，作为有效粒子数。
在本申请实施例的一些可能实现中，第四确定子模块具体可以用于：
根据每个目标粒子对应的第二权重，对N个目标粒子进行加权求和，得到第一状态估计值。
在本申请实施例的一些可能实现中，第三确定子模块可以具体用于：
采用以下所列项中的任意一种重采样方式对粒子进行重采样：
多项式重采样、分层式重采样、系统重采样。
在本申请实施例的一些可能实现中，第二滤波模块203可以包括：
第五确定子模块，用于根据第一状态估计值，确定第k时刻的手势对应的N个目标粒子中每个目标粒子的第三权重；
第六确定子模块，用于根据N个目标粒子和每个目标粒子对应的第三权重，确定目标状态估计值。
在本申请实施例的一些可能实现中，第五确定子模块具体可以用于：
针对每个目标粒子，根据目标粒子、第一状态估计值和手势测量系统对应的测量噪声的方差，确定目标粒子的第三权重。
在本申请实施例的一些可能实现中，第六确定子模块具体可以用于：
根据每个目标粒子对应的第三权重，对N个目标粒子进行加权求和，得到目标状态估计值。
在本申请实施例的一些可能实现中，第0时刻的手势对应的N个粒子可以为：
从范围内按照正态分布随机选取的N个粒子。
本申请实施例中的手势运动轨迹处理装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的手势运动轨迹处理装置可以为具有操作系统的装置。该操作系统可以为Android操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的手势运动轨迹处理装置能够实现图1的手势运动轨迹处理方法实施例中的各个过程，为避免重复，这里不再赘述。
图3是本申请实施例提供的电子设备的硬件结构示意图。该电子设备300包括但不限于：射频单元301、网络模块302、音频输出单元303、输入单元304、传感器305、显示单元306、用户输入单元307、接口单元308、存储器309、以及处理器310等部件。
本领域技术人员可以理解，电子设备300还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器310逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图3中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，处理器310，可以用于针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；根据N个第二粒子，对第k时刻的手势进行第一次粒子滤波，得到第k时刻的手势的第一状态估计值；根据第一状态估计值，对第k时刻的手势进行第二次粒子滤波，得到第k时刻的手势的目标状态估计值；根据目标状态估计值，确定目标手势运动轨迹。
在本申请实施例中，通过对手势测量系统测量得到的原始手势运动轨迹中的每个时刻的手势进行滤波处理，得到目标手势运动轨迹。由于对原始手势运动轨迹中的每个时刻的手势进行了滤波处理，因此，能够减少原始手势运动轨迹中的噪声，得到噪声较少的目标手势运动轨迹。基于该目标手势运动轨迹进行手势控制，能够提高手势控制的准确性。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
根据N个第一粒子和手势运动对应的状态方程，确定N个第二粒子，其中，状态方程为将手势运动简化为匀速直线运动，将手势运动的加速度作为手势运动过程的噪声得到的方程。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
根据N个第二粒子以及第k时刻的手势对应的测量值，确定每个第二粒子的第一权重；
根据第一权重，确定第k时刻的手势对应的N个第二粒子中的有效粒子数；
在有效粒子数小于预设粒子数的情况下，对粒子进行重采样，得到N个第三粒子，将N个第三粒子作为N个目标粒子，在有效粒子数不小于预设粒子数的情况下，将N个第二粒子作为N个目标粒子；
根据N个目标粒子和每个目标粒子对应的第二权重，确定第一状态估计值。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
针对每个第二粒子，根据第二粒子、第k时刻的手势对应的测量值和手势测量系统对应的测量噪声的方差，确定第二粒子的第一权重。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
计算N个第二粒子的第一权重的平方和；
将N与平方和的商，作为有效粒子数。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
根据每个目标粒子对应的第二权重，对N个目标粒子进行加权求和，得到第一状态估计值。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
采用以下所列项中的任意一种重采样方式对粒子进行重采样：
多项式重采样、分层式重采样、系统重采样。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
根据第一状态估计值，确定第k时刻的手势对应的N个目标粒子中每个目标粒子的第三权重；
根据N个目标粒子和每个目标粒子对应的第三权重，确定目标状态估计值。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
针对每个目标粒子，根据目标粒子、第一状态估计值和手势测量系统对应的测量噪声的方差，确定目标粒子的第三权重。
在本申请实施例的一些可能实现中，处理器310具体可以用于：
根据每个目标粒子对应的第三权重，对N个目标粒子进行加权求和，得到目标状态估计值。
应理解的是，本申请实施例中，输入单元304可以包括图形处理器(GraphicsProcessing Unit，GPU)3041和麦克风3042，图形处理器3041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元306可包括显示面板3061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板3061。用户输入单元307包括触控面板3071以及其他输入设备3072。触控面板3071，也称为触摸屏。触控面板3071可包括触摸检测装置和触摸控制器两个部分。其他输入设备3072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器309可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器310可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器310中。
处理器310可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器309可以包括只读存储器(Read-Only Memory，ROM)，随机存取存储器(Random Access Memory，RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本申请实施例提供的手势运动轨迹处理方法所描述的操作。
可选地，本申请实施例还提供一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现本申请实施例提供的手势运动轨迹处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述本申请实施例提供的手势运动轨迹处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。计算机可读存储介质的示例包括非暂态机器可读介质，如电子电路、半导体存储器设备、只读存储器(Read-OnlyMemory，ROM)、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘等。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，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，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (13)

1.一种手势运动轨迹处理方法，其特征在于，所述方法包括：
针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定所述第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
根据所述N个第二粒子，对所述第k时刻的手势进行第一次粒子滤波，得到所述第k时刻的手势的第一状态估计值；
根据所述第一状态估计值，对所述第k时刻的手势进行第二次粒子滤波，得到所述第k时刻的手势的目标状态估计值；
根据所述目标状态估计值，确定目标手势运动轨迹；
所述根据第k-1时刻的手势对应的N个第一粒子，确定所述第k时刻的手势对应的N个第二粒子，包括：
根据所述N个第一粒子和所述手势运动对应的状态方程，确定所述N个第二粒子，其中，所述状态方程为将所述手势运动简化为匀速直线运动，将所述手势运动的加速度作为所述手势运动过程的噪声得到的方程。
2.根据权利要求1所述的方法，其特征在于，所述根据所述N个第二粒子，对所述第k时刻的手势进行第一次粒子滤波，得到所述第k时刻的手势的第一状态估计值，包括：
根据所述N个第二粒子以及所述第k时刻的手势对应的测量值，确定每个所述第二粒子的第一权重；
根据所述第一权重，确定所述第k时刻的手势对应的所述N个第二粒子中的有效粒子数；
在所述有效粒子数小于预设粒子数的情况下，对粒子进行重采样，得到N个第三粒子，将所述N个第三粒子作为N个目标粒子；在所述有效粒子数不小于预设粒子数的情况下，将所述N个第二粒子作为N个目标粒子；
根据所述N个目标粒子和每个所述目标粒子对应的第二权重，确定所述第一状态估计值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述N个第二粒子以及所述第k时刻的手势对应的测量值，确定每个所述第二粒子的第一权重，包括：
针对每个所述第二粒子，根据所述第二粒子、所述第k时刻的手势对应的测量值和所述手势测量系统对应的测量噪声的方差，确定所述第二粒子的第一权重。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一权重，确定所述第k时刻的手势对应的所述N个第二粒子中的有效粒子数，包括：
计算所述N个第二粒子的第一权重的平方和；
将N与所述平方和的商，作为所述有效粒子数。
5.根据权利要求2所述的方法，其特征在于，所述根据所述N个目标粒子和每个所述目标粒子对应的第二权重，确定所述第一状态估计值，包括：
根据每个目标粒子对应的第二权重，对所述N个目标粒子进行加权求和，得到所述第一状态估计值。
6.根据权利要求2所述的方法，其特征在于，所述对粒子进行重采样，包括：
采用以下所列项中的任意一种重采样方式对粒子进行重采样：
多项式重采样、分层式重采样、系统重采样。
7.根据权利要求1所述的方法，其特征在于，所述根据所述第一状态估计值，对所述第k时刻的手势进行第二次粒子滤波，得到所述第k时刻的手势的目标状态估计值，包括：
根据所述第一状态估计值，确定所述第k时刻的手势对应的N个目标粒子中每个所述目标粒子的第三权重；
根据所述N个目标粒子和每个目标粒子对应的第三权重，确定所述目标状态估计值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一状态估计值，确定所述第k时刻的手势对应的N个目标粒子中每个所述目标粒子的第三权重，包括：
针对每个所述目标粒子，根据所述目标粒子、所述第一状态估计值和所述手势测量系统对应的测量噪声的方差，确定所述目标粒子的第三权重。
9.根据权利要求8所述的方法，其特征在于，所述根据所述N个目标粒子和每个目标粒子对应的第三权重，确定所述目标状态估计值，包括：
根据每个目标粒子对应的第三权重，对所述N个目标粒子进行加权求和，得到所述目标状态估计值。
10.根据权利要求1所述的方法，其特征在于，所述第0时刻的手势对应的N个粒子为：
从所述范围内按照正态分布随机选取的N个粒子。
11.一种手势运动轨迹处理装置，其特征在于，所述装置包括：
第一确定模块，用于针对手势测量系统测量得到的原始手势运动轨迹中的第k时刻的手势，根据第k-1时刻的手势对应的N个第一粒子，确定所述第k时刻的手势对应的N个第二粒子，其中，k为正整数，第0时刻的手势对应的N个粒子为以第0时刻的手势状态为圆心，以手势运动的加速度的方差为半径的范围内的N个粒子；
第一滤波模块，用于根据所述N个第二粒子，对所述第k时刻的手势进行第一次粒子滤波，得到所述第k时刻的手势的第一状态估计值；
第二滤波模块，用于根据所述第一状态估计值，对所述第k时刻的手势进行第二次粒子滤波，得到所述第k时刻的手势的目标状态估计值；
第二确定模块，用于根据所述目标状态估计值，确定目标手势运动轨迹；
所述第一确定模块具体用于：
根据所述N个第一粒子和所述手势运动对应的状态方程，确定所述N个第二粒子，其中，所述状态方程为将所述手势运动简化为匀速直线运动，将所述手势运动的加速度作为所述手势运动过程的噪声得到的方程。
12.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至10任一项所述的手势运动轨迹处理方法的步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至10任一项所述的手势运动轨迹处理方法的步骤。
CN202011624745.7A 2020-12-30 2020-12-30 手势运动轨迹处理方法、装置、设备及介质 Active CN112631430B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011624745.7A CN112631430B (zh) 2020-12-30 2020-12-30 手势运动轨迹处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011624745.7A CN112631430B (zh) 2020-12-30 2020-12-30 手势运动轨迹处理方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112631430A CN112631430A (zh) 2021-04-09
CN112631430B true CN112631430B (zh) 2022-08-16

Family

ID=75289724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011624745.7A Active CN112631430B (zh) 2020-12-30 2020-12-30 手势运动轨迹处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112631430B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5483899B2 (ja) * 2009-02-19 2014-05-07 株式会社ソニー・コンピュータエンタテインメント 情報処理装置および情報処理方法
CN108319130A (zh) * 2017-12-27 2018-07-24 清华大学 基于李雅普诺夫制导向量和粒子滤波的机动目标跟踪方法
CN109213322B (zh) * 2018-08-23 2021-05-04 深圳大学 一种虚拟现实中手势识别的方法及系统
CN109460539B (zh) * 2018-10-15 2020-05-26 中国科学院声学研究所 一种基于简化容积粒子滤波的目标定位方法
CN109631888B (zh) * 2019-01-04 2021-11-05 北京卡路里信息技术有限公司 动作轨迹识别方法、装置、可穿戴设备及存储介质
CN109798896B (zh) * 2019-01-21 2023-01-03 东南大学 一种室内机器人定位与建图方法及装置
CN110751082B (zh) * 2019-10-17 2023-12-12 烟台艾易新能源有限公司 一种智能家庭娱乐系统手势指令识别方法

Also Published As

Publication number Publication date
CN112631430A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
TW201543342A (zh) 電子裝置及其繪圖方法及電腦程式產品
CN105487689A (zh) 一种指环鼠标及利用指环鼠标操控移动终端的方法
CN112364799A (zh) 一种手势识别方法及装置
CN112631430B (zh) 手势运动轨迹处理方法、装置、设备及介质
CN112929734A (zh) 投屏方法、装置和电子设备
EP4307087A1 (en) Gesture recognition method and apparatus, device, and medium
CN109478237B (zh) 光源识别方法及装置
US20210311621A1 (en) Swipe gestures on a virtual keyboard with motion compensation
Kim et al. Visual multi-touch air interface for barehanded users by skeleton models of hand regions
CN104516570A (zh) 掀盖式电子装置及其校正方法
CN114648556A (zh) 视觉跟踪方法、装置和电子设备
US20170185831A1 (en) Method and device for distinguishing finger and wrist
CN101685358B (zh) 信号处理装置与信号处理方法
KR101993257B1 (ko) 손떨림 보정 기반의 터치 입력 보정 장치
CN112600976B (zh) 音量调节方法、装置和电子设备
CN112950672B (zh) 确定关键点的位置的方法、装置和电子设备
US20230060045A1 (en) Systems and methods for grid-aligned inking
US20230368579A1 (en) Method and system for identifying sliding direction of hand
CN113157197B (zh) 一种触控板控制方法及装置
CN114840126B (zh) 对象控制方法、装置、电子设备和存储介质
CN108646931B (zh) 一种终端控制方法及终端
CN116432915A (zh) 资源数量的确定方法、装置、设备及存储介质
CN117031395A (zh) 位置确定方法、装置、电子设备及可读存储介质
CN114299538A (zh) 手势滤除方法、装置及设备
CN116594520A (zh) 一种确定触控轨迹平滑度的方法、装置及电子设备

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