CN113486765B - 手势交互方法及装置、电子设备和存储介质 - Google Patents
手势交互方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113486765B CN113486765B CN202110738953.8A CN202110738953A CN113486765B CN 113486765 B CN113486765 B CN 113486765B CN 202110738953 A CN202110738953 A CN 202110738953A CN 113486765 B CN113486765 B CN 113486765B
- Authority
- CN
- China
- Prior art keywords
- gesture
- target
- information
- depth image
- finger
- 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
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 210000000707 wrist Anatomy 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 210000003811 finger Anatomy 0.000 description 140
- 238000012545 processing Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 24
- 238000001514 detection method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 210000001145 finger joint Anatomy 0.000 description 3
- 210000004932 little finger Anatomy 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 210000003857 wrist joint Anatomy 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种手势交互方法及装置、电子设备和存储介质。所述方法包括：获取包含手势的深度图像；根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息；根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种手势交互方法及装置、电子设备和存储介质。
背景技术
手势交互是基于计算机视觉的重要交互方式，用户可以通过手势发出指令以实现与各类设备之间的交互，提升用户体验。
然而，如何基于手势与三维空间内的真实物体产生实质性的交互联动，成为目前一个亟待解决的问题。
发明内容
本公开提出了一种手势交互技术方案。
根据本公开的一方面，提供了一种手势交互方法，包括：
获取包含手势的深度图像；根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息；根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象。
在一种可能的实现方式中，所述根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息，包括：根据所述深度图像进行手关键点定位，得到手部关键点的信息；对所述深度图像进行手势分类，得到所述目标手势；确定所述目标手势对应的目标手部关键点；根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
在一种可能的实现方式中，所述目标手势包括部分手指为伸展状态的手指手势和/或所有手指均为伸展状态的手掌手势；所述确定所述目标手势对应的目标手部关键点，包括：在所述目标手势包括所述手指手势的情况下，所述对应的目标手部关键点包括：伸展状态的至少一个手指的关键点；和/或，在所述目标手势包括所述手掌手势的情况下，所述对应的目标手部关键点包括：各手指与手掌连接位置处的关键点。
在一种可能的实现方式中，所述目标手部关键点还包括：手腕关键点。
在一种可能的实现方式中，所述手部关键点的信息包括手部关键点的三维位置；所述根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，包括：在所述目标手势包括所述手指手势的情况下，根据所述手指手势中至少一个伸展状态的目标手指的至少两个目标手部关键点的三维位置，确定所述目标手指的朝向信息，作为所述目标手势的朝向信息。
在一种可能的实现方式中，所述手部关键点的信息包括手部关键点的三维位置；所述根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，包括：在所述目标手势包括手掌手势的情况下，根据所述手掌手势中至少三个目标手部关键点的三维位置，确定所述手掌手势中手掌所在平面的朝向信息，作为所述目标手势的朝向信息。
在一种可能的实现方式中，所述根据所述深度图像进行手势识别，得到手势识别结果，包括：将所述深度图像输入第一神经网络，得到所述第一神经网络输出的手部关键点的信息和所述目标手势；确定所述目标手势对应的目标手部关键点；根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
在一种可能的实现方式中，在所述根据所述深度图像进行手势识别，得到手势识别结果之前，所述方法还包括：将所述深度图像输入第二神经网络，确定所述手势在所述深度图像中的位置信息；根据所述位置信息，对所述深度图像进行裁剪，得到裁剪后的深度图像；所述根据所述深度图像进行手势识别，得到手势识别结果，包括：根据所述裁剪后的深度图像进行手势识别，得到所述手势识别结果。
在一种可能的实现方式中，所述根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象，包括：根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象。
在一种可能的实现方式中，所述根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象，包括：获取至少一个待交互对象所在平面在三维空间坐标系中的平面信息，作为所述空间信息，其中，所述三维空间坐标系为基于所述三维空间所建立的坐标系；确定所述朝向信息在所述三维空间坐标系中对应的三维直线信息；将与所述三维直线信息产生交集的平面信息所对应的待交互对象，作为所述目标交互对象。
在一种可能的实现方式中，所述三维空间包括车舱空间，所述目标交互对象包括位于所述车舱空间中的一个或多个对象。
根据本公开的一方面，提供了一种手势交互装置，包括：
图像获取模块，用于获取包含手势的深度图像；手势识别模块，用于根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息；对象确定模块，用于根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象。
在一种可能的实现方式中，所述手势识别模块用于：根据所述深度图像进行手关键点定位，得到手部关键点的信息；对所述深度图像进行手势分类，得到所述目标手势；确定所述目标手势对应的目标手部关键点；根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
在一种可能的实现方式中，所述目标手势包括部分手指为伸展状态的手指手势和/或所有手指均为伸展状态的手掌手势；所述手势识别模块进一步用于：在所述目标手势包括所述手指手势的情况下，所述对应的目标手部关键点包括：伸展状态的至少一个手指的关键点；和/或，在所述目标手势包括所述手掌手势的情况下，所述对应的目标手部关键点包括：各手指与手掌连接位置处的关键点。
在一种可能的实现方式中，所述目标手部关键点还包括：手腕关键点。
在一种可能的实现方式中，所述手部关键点的信息包括手部关键点的三维位置；所述手势识别模块进一步用于：在所述目标手势包括所述手指手势的情况下，根据所述手指手势中至少一个伸展状态的目标手指的至少两个目标手部关键点的三维位置，确定所述目标手指的朝向信息，作为所述目标手势的朝向信息。
在一种可能的实现方式中，所述手部关键点的信息包括手部关键点的三维位置；所述手势识别模块进一步用于：在所述目标手势包括手掌手势的情况下，根据所述手掌手势中至少三个目标手部关键点的三维位置，确定所述手掌手势中手掌所在平面的朝向信息，作为所述目标手势的朝向信息。
在一种可能的实现方式中，所述手势识别模块用于：将所述深度图像输入第一神经网络，得到所述第一神经网络输出的手部关键点的信息和所述目标手势；确定所述目标手势对应的目标手部关键点；根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
在一种可能的实现方式中，在所述手势识别模块之前，所述装置还用于：将所述深度图像输入第二神经网络，确定所述手势在所述深度图像中的位置信息；根据所述位置信息，对所述深度图像进行裁剪，得到裁剪后的深度图像；所述根据所述深度图像进行手势识别，得到手势识别结果，包括：根据所述裁剪后的深度图像进行手势识别，得到所述手势识别结果。
在一种可能的实现方式中，所述对象确定模块用于：根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象。
在一种可能的实现方式中，所述对象确定模块进一步用于：获取至少一个待交互对象所在平面在三维空间坐标系中的平面信息，作为所述空间信息，其中，所述三维空间坐标系为基于所述三维空间所建立的坐标系；确定所述朝向信息在所述三维空间坐标系中对应的三维直线信息；将与所述三维直线信息产生交集的平面信息所对应的待交互对象，作为所述目标交互对象。
在一种可能的实现方式中，所述三维空间包括车舱空间，所述目标交互对象包括位于所述车舱空间中的一个或多个对象。
根据本公开的一方面，提供了一种电子设备，包括：
处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述手势交互方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述手势交互方法。
在本公开实施例中，通过获取包含手势的深度图像，并根据深度图像进行手势识别，得到包括识别出的目标手势和目标手势的朝向信息的手势识别结果，从而根据朝向信息确定目标手势在三维空间中指向的目标交互对象，通过本公开实施例，能够利用深度图像中的深度信息，确定目标手势以及目标手势在三维空间中的朝向信息，实现与三维空间中物体之间的实质交互，提升手势交互的交互性和丰富度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的手势交互方法的流程图。
图2示出根据本公开实施例的手指手势的示意图。
图3示出根据本公开实施例的手掌手势的示意图。
图4示出根据本公开实施例的手势交互方法的流程图。
图5示出根据本公开实施例的手部关键点的示意图。
图6示出根据本公开实施例的手势交互装置的框图。
图7示出根据本公开一应用示例的示意图。
图8示出本公开实施例提供的一种电子设备800的框图。
图9示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的手势交互方法的流程图，该方法可以应用于手势交互装置，手势交互装置可以为终端设备、服务器或者其他处理设备等。其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。
在一些可能的实现方式中，该手势交互方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示，在一种可能的实现方式中，所述手势交互方法可以包括：
S11，获取包含手势的深度图像。
其中，手势可以是为了实现交互而做出的任意手势，比如可以包括如胜利手势或OK手势等静态手势，或是食指转圈或是手指点击等动态手势等。
包含手势的深度图像中各像素点的像素值，可以根据各像素点与采集设备之间的距离(深度信息)所确定，采集设备可以是用于采集深度图像的设备，深度图像可以反映图中手势可见表面的几何形状。
获取包含手势的深度图像的方式在本公开实施例中不做限制，在一些可能的实现方式中，可以从采集设备中直接获取深度图像，其中，采集设备可以是对手势进行图像采集且与手势处于相同空间中的任意设备，比如立体照相机或飞行时间(TOF，Time of Flight)照相机等。该采集设备可以属于手势交互装置，在一些可能的实现方式中，该采集设备也可以与手势交互装置相互独立，在这种情况下，手势交互装置可以从采集设备中读取深度图像。
获取的深度图像的数量在本公开实施例中不做限制，可以为一张或多张，在获取多张深度图像的情况下，可以根据多张深度图像中的手势确定整体的动态手势。
S12，根据深度图像进行手势识别，得到手势识别结果，手势识别结果包括识别出的目标手势和目标手势的朝向信息。
其中，手势识别可以包括手势分类和朝向检测。手势分类可以确定识别出的目标手势，目标手势包含的手势类型可以根据实际情况灵活设定，不局限于下述各公开实施例，在一种可能的实现方式中，目标手势可以包括手指手势和/或手掌手势。
手指手势可以包括部分手指为伸展状态的一种或多种手势，在一些可能的实现方式中，手指手势可以为单根手指伸展的手势，如食指、小拇指或大拇指等各类单指指向手势；在一些可能的实现方式中，手指手势也可以为多根手指伸展的手势，如食指和中指伸展的胜利手势，或是中指、无名指以及小拇指伸展的OK手势等。
图2示出根据本公开一实施例的手指手势的示意图，如图所示，在一个示例中，手指手势可以包括食指为伸展状态的食指手势。
手掌手势可以包括所有手指均为伸展状态的手势，在一些可能的实现方式中，手掌手势中所有手指的伸展程度可以相同，也可以不同；手掌手势中不同手指之间可以相贴，也可以存在一定距离等。
图3示出根据本公开一实施例的手掌手势的示意图，如图所示，在一个示例中，手掌手势可以包括五指分开且均为伸展状态的手掌手势。
手势分类的方式可以根据实际情况灵活决定，比如可以通过相关的神经网络或分类算法等对深度图像进行处理，以确定目标手势，详见下述各公开实施例，在此先不做展开。
朝向检测可以确定目标手势的朝向信息，朝向信息可以根据目标手势的不同而灵活发生变化，比如可以是目标手势中部分手指的朝向、也可以是手掌所在平面的方向、手掌所在平面的法向量或是基于手指以及手掌所在平面所共同确定的朝向等。
朝向检测的方式同样可以根据实际情况灵活决定，在一些可能的实现方式中，朝向检测的方式可以随着目标手势类型的不同而发生变化，同样详见下述各公开实施例，在此先不做展开。
S13，根据朝向信息，确定目标手势在三维空间中指向的目标交互对象。
其中，三维空间可以是目标手势所在的三维空间，该三维空间可以是真实场景内的空间，也可以是虚拟建立的三维场景中的空间等。在一种可能的实现方式中，本公开实施例提出的方法可以用于车舱交互的智能化领域中，在这种情况下，该三维空间可以包括车舱空间，比如汽车、货车或是公交车等各类真实的三维车舱空间。
目标交互对象可以为三维空间中所包含的一个或多个可以进行交互的对象，该对象可以是三维空间中的物体对象，也可以是三维空间中的人物或动物对象等。在一些可能的实现方式中，在三维空间包括车舱空间的情况下，目标交互对象可以包括位于车舱空间中的一个或多个对象，比如可以包含如车舱内天窗、车机屏幕或是车窗等固定于车舱中的物体对象，也可以包含如放置与车舱内的手机等在车舱内位置不固定的物体对象，还可以包含如驾驶员、副驾驶人员或后座人员等车舱内的人物对象等。
在三维空间包括车舱空间的情况下，采集设备可以固定于车舱空间中，比如可以是设置于车内的车载相机或摄像头等，在一些可能的实现方式中，采集设备也可以是置于车舱内的非固定设备，如放置于驾驶台或后座上的相机或摄像头等。
随着三维空间与目标交互对象类型的不同，步骤S13的实现方式可以灵活发生变化，详见下述各公开实施例，在此先不做展开。
在本公开实施例中，通过获取包含手势的深度图像，并根据深度图像进行手势识别，得到包括识别出的目标手势和目标手势的朝向信息的手势识别结果，从而根据朝向信息确定目标手势在三维空间中指向的目标交互对象，通过本公开实施例，能够利用深度图像中的深度信息，确定目标手势以及目标手势在三维空间中的朝向信息，实现与三维空间中物体之间的实质交互，提升手势交互的交互性和丰富度。
图4示出根据本公开一实施例的手势交互方法的流程图，如图所示，在一种可能的实现方式中，步骤S12可以包括：
步骤S121，根据深度图像进行手关键点定位，得到手部关键点的信息。
步骤S122，对深度图像进行手势分类，得到目标手势。
步骤S123，确定目标手势对应的目标手部关键点。
步骤S124，根据目标手部关键点的信息，对目标手势进行朝向检测，得到目标手势的朝向信息。
在步骤S121中，手部关键点包含的关键点数量和类型均可以根据实际情况灵活决定，不局限于下述各公开实施例。在一些可能的实现方式中，手部关键点的数量可以在2～30个之间等，这些手部关键点可以位于不同手指的一个或多个手指关节处、手掌掌面处、手指与手掌连接位置处或是手腕处等。
图5示出根据本公开一实施例的手部关键点示意图，如图所示，在一个示例中，得到的手部关键点的数量可以为21个，包含手指与手掌连接位置处的5个手部关键点、手腕处的2个关键点、大拇指关节处的2个关键点以及其余四个手指(食指、中指、无名指及小拇指)关节处的各3个关键点。
手部关键点的信息可以包括手部关键点的三维位置，在一种可能的实现方式中，该三维位置可以基于手部关键点在深度图像中的二维坐标以及对应的深度信息所共同确定，比如可以通过手关键点定位，确定手部关键点在深度图像中的二维坐标(dx，yx)，并结合手部关键点在深度图像中对应的深度信息depth，利用采集设备的内参矩阵与焦距信息等，计算得到手部关键点在采集设备的坐标系下的三维空间位置信息(x，y，z)，作为手部关键点的三维位置。
手关键点定位的方式可以根据实际情况灵活选择，不局限于下述各公开实施例。在一种可能的实现方式中，可以将深度图像通过具有关键点识别功能的任意神经网络，或是通过关键点检测的相关算法对深度图像进行处理，以实现手关键点定位。
步骤S122的一些可能的实现方式可以根据实际情况灵活决定，在此不再赘述。
在步骤S123中，目标手部关键点可以是用于确定目标手势朝向的一个或多个手部关键点，选取目标手部关键点的依据可以根据实际情况灵活设定，不局限于下述各公开实施例。
在一种可能的实现方式中，在目标手势包括手指手势的情况下，对应的目标手部关键点可以包括：伸展状态的至少一个手指的关键点。
如上述公开实施例所述，手指手势可以包含单根或多根伸展的手指，在包含单根伸展手指的情况下，可以将该单根手指上的一个或多个关键点，作为目标手部关键点；在包含多根伸展手指的情况下，可以将多根伸展手指上的一个或多个关键点均作为目标手部关键点，也可以将其中部分伸展手指上的一个或多个关键点作为目标手部关键点。
在一种可能的实现方式中，在目标手势包括手掌手势的情况下，对应的目标手部关键点可以包括：各手指与手掌连接位置处的关键点。
其中，各手指与手掌连接位置处的关键点，可以是五根手指与分别与手掌连接位置处的5个关键点，也可以是其中部分手指与手掌连接位置处的1～4个关键点，根据实际情况灵活选择即可，在本公开实施例中不做限制。
在一些可能的实现方式中，目标手部关键点还可以包括手腕关键点，比如可以选取手腕上的一个或多个关键点作为目标手部关键点，选取的手腕关键点可以作为在目标手势包括手指手势和/或手掌手势的目标手部关键点。
通过本公开实施例，可以在目标手势包括手指手势和/或手掌手势的情况下，灵活选取不同的手部关键点作为目标手部关键点，可以针对不同的目标手势，选取较为合适与匹配的关键点来确定更为准确地朝向信息，提升手势识别的精度，从而提升手势交互的可靠性和交互效果。
在步骤S124中，对目标手势进行朝向检测的方式，可以根据目标手势的不同而灵活变化。比如可以检测目标手势中手指的朝向、检测目标手势中手掌的朝向或是检测目标手势中手指与手掌所共同形成的朝向等，详见下述各公开实施例，在此先不做展开。
通过本公开实施例，可以基于目标手势对应的目标手部关键点，采用对应的方式实现对目标手势的朝向检测以得到朝向信息，提升了手势识别的灵活性和准确性，从而丰富了手势交互的交互方式，提升交互效果。
在一些可能的实现方式中，上述公开实施例中提到的步骤S121和步骤S122，其实现顺序可以根据实际情况灵活决定，比如可以按照一定的顺序依次实现，或是同时实现等。因此，在一种可能的实现方式中，步骤S12可以包括：
将深度图像输入第一神经网络，得到第一神经网络输出的手部关键点的信息和目标手势。
确定目标手势对应的目标手部关键点。
根据目标手部关键点的信息，对目标手势进行朝向检测，得到目标手势的朝向信息。
其中，第一神经网络可以是具有手关键点定位与手势分类功能的任意神经网络，第一神经网络的结构可以灵活选择，不局限于下述各公开实施例。在一个示例中，第一神经网络可以包含特征提取模块、关键点识别模块和分类模块，其中，特征提取模块可以提取输入的深度图像的特征信息，并将提取到的特征信息分别输入到关键点识别模块和分类模块，从而得到关键点识别模块输出的手部关键的信息，以及分类模块输出的目标手势。
确定目标手势对应的目标手部关键点，以及根据目标手部关键点的信息，对目标手势进行朝向检测的方式，可以参考本公开实施例中步骤S123和步骤S124的各种实现方式，在此不再赘述。
通过本公开实施例，可以利用第一神经网络，同时实现对深度图像的手关键点定位与手势分类，有效提升手势识别的效率，减小数据的处理量，从而提升手势交互的效率和便捷程度。
在一种可能的实现方式中，步骤S124可以包括：
在目标手势包括手指手势的情况下，根据手指手势中至少一个伸展状态的目标手指的至少两个目标手部关键点的三维位置，确定目标手指的朝向信息，作为目标手势的朝向信息。
其中，目标手指可以是手指手势中处于伸展状态的一个或多个手指，在手指手势包含单根伸展手指的情况下，可以将该单根伸展手指作为目标手指，在手指手势包含多根伸展手指的情况下，可以将多根手指均作为目标手指，或是将多根手指中的部分手指作为目标手指，比如可以将2根伸展手指中的1根作为目标手指，或是将2根伸展手指均作为目标手指，或是将3根伸展手指中位于中间的手指作为目标手指等。
在包含单根目标手指的情况下，可以从该单根目标手指中随机选择两个或两个以上的手部关键点，作为目标手部关键点；在包含多根目标手指的情况下，可以分别从每根目标手指中随机选择两个或两个以上的手部关键点，作为目标手部关键点。由于两点可以确定一条直线，因此基于同一根目标手指上的至少两个关键点的三维位置，可以确定该目标手指所在的直线方程，作为该目标手指的朝向信息。该三维位置的确定方式可以详见上述各公开实施例，在此不再赘述。
在包含单根目标手指的情况下，可以将该单根目标手指的朝向信息作为目标手势的朝向信息；在包含多根目标手指的情况下，可以从多根目标手指的朝向信息中随机选择某个朝向作为目标手势的朝向信息；也可以将多根手指的朝向信息中位于中间的朝向信息作为目标手势的朝向信息；或是将多根手指的朝向信息所确定的平面朝向作为目标手势的朝向信息等，如何选择可以根据实际情况灵活设定，在本公开实施例中不做限制。
基于同一根目标手指上的至少两个关键点的三维位置，确定目标手指所在的直线方程的方式，可以根据实际情况灵活选择，任何基于空间点的三维坐标确定直线方程的方式均可以应用于本公开实施例中。
在一个示例中，可以根据同一根目标手指上的4个关键点在采集设备的坐标系下的三维空间位置坐标(x1，y1，z1)，(x2，y2，z2)，(x3，y3，z3)和(x4，y4，z4)，通过最小二乘估计方法进行求解，得到该目标手指所在直线的直线方程，该直线方程可以通过下述公式(1)进行表示：
C(t)＝P+t*D (1)
其中，C(t)为目标手指所在直线的直线方程，t为目标手指所在直线上的任意一点，P为目标手指所在直线上的采样点，D为目标手指所在直线的单位方向向量。
通过本公开实施例，可以在目标手势包括手指手势的情况下，根据处于伸展状态的一个或多个目标手指的朝向，确定目标手势的朝向信息，有效地利用目标手势中手指实际的伸展情况，通过较为便捷地方式准确地确定目标手势的朝向信息，提升手势交互的可靠性和便捷性。
在一种可能的实现方式中，步骤S124可以包括：
在目标手势包括手掌手势的情况下，根据手掌手势中至少三个目标手部关键点的三维位置，确定手掌手势中手掌所在平面的朝向信息，作为目标手势的朝向信息。
其中，至少三个目标手部关键点的选取可以根据实际情况灵活选择，比如可以仅从手指与手掌连接位置处选择至少三个关键点，或是从手指与手掌连接位置处，以及手腕关键点中共同选择至少三个关键点。由于三点可以确定平面，因此基于至少三个目标手部关键点的三维位置，可以确定手掌所在平面的朝向信息，作为目标手势的朝向信息。该三维位置的确定方式可以详见上述各公开实施例，在此不再赘述。在一些可能的实现方式中，手掌所在平面的朝向信息，可以是手掌所在平面的方向，也可以是手掌所在平面的法向量方向，选择哪个方向作为目标手势的朝向信息同样可以根据实际情况灵活选择。
根据手掌手势中至少三个目标手部关键点的三维位置，确定手掌所在平面的朝向信息的方式，可以根据实际情况灵活选择，任何基于空间点的三维坐标确定平面方程的方式均可以应用于本公开实施例中。
在一个示例中，可以根据5根手指分别与手掌连接位置处的5个关键点以及手腕上的2个关键点，共7个目标手部关键点在采集设备的坐标系下的三维空间位置坐标(x5，y5，z5)，(x6，y6，z6)，(x7，y7，z7)，(x8，y8，z8)，(x9，y9，z9)，(x10，y10，z10)和(x11，y11，z11)，通过最小二乘估计方法求解手掌所在平面的法向量，并根据该7个目标手部关键点得到手掌中心点的三维空间位置坐标(x0，y0，z0)，从而根据法向量和手掌中心点共同确定手掌所在平面的平面方程，该平面方程可以通过下述公式(2)进行表示：
其中，
为手掌所在平面的法向量，P为手掌所在平面上的任意一点，P0为手掌所在平面上的采样点，比如可以为手掌中心点。
通过本公开实施例，可以在目标手势包括手掌手势的情况下，根据手指与手掌的交界点以及手腕关键点等确定目标手势的朝向信息，减少对手掌平面中不易识别的关键点的获取，提升确定朝向信息的准确度和效率，从而提升手势交互的可靠性和效率。
在一些可能的方式中，在获取多张深度图像的情况下，可以基于每张深度图像中的目标手势，确定整体的动态手势，并将每张深度图像中目标手势的朝向信息进行汇总，得到总体的朝向信息。举例来说，在一个示例中可以获取两张深度图像，第一张为手掌手势，第二张为食指手势，则可以确定动态手势为手掌到手指的指向手势，在这种情况下，可以通过上述公开实施例中提出的方式，确定第一张深度图像中手掌所在的平面方程，以及第二张深度图像中食指所在的直线方程，并根据平面方程和直线方程共同确定朝向信息，比如在直线方程所确定的直线属于平面方程中的平面的情况下，将平面方程作为朝向信息，在直线方程所确定的直线与平面方程中的平面相交的情况下，根据直线与平面间的角度来确定朝向信息等。
在一种可能的实现方式中，在步骤S12之前，本公开实施例提出的方法还可以包括：
将深度图像输入第二神经网络，确定手势在深度图像中的位置信息；
根据位置信息，对深度图像进行裁剪，得到裁剪后的深度图像。
其中，第二神经网络可以是对手势位置进行检测的任意神经网络，其实现方式在本公开实施例中不做限制。在一种可能的实现方式中，可以将RCNN或是Faster RCNN等具有目标检测功能的神经网络，作为第二神经网络的实现形式。
手势在深度图像中的位置信息的实现方式可以根据实际情况灵活决定，比如可以包括手势所在的检测框的各顶点在深度图像中的位置坐标，也可以包括手势所在的检测框的中心点在深度图像中的位置坐标，以及检测框的形状信息等。
在一些可能的实现方式中，可以将深度图像直接输入第二神经网络以得到第二神经网络输出的位置信息；在一些可能的实现方式中，也可以将深度图像对应的红外图像输入第二神经网络，确定手势在红外图像中的初始位置信息，并根据红外图像与深度图像之间的坐标对应关系，将该初始位置信息转换至深度图像中，得到手势在深度图像中的位置信息。
根据位置信息，可以将深度图像中手势所在的区域裁剪出来，作为裁剪后的深度图像，该裁剪后的深度图像可以作为步骤S12中用于手势识别的深度图像。
通过本公开实施例，可以减小手势识别中处理的数据量，提高识别精度和效率，从而提升手势交互的可靠性与效率。
在一种可能的实现方式中，步骤S13可以包括：
根据三维空间中至少一个待交互对象的空间信息，确定处于朝向信息所在方向上的待交互对象，作为目标交互对象。
其中，待交互对象可以是三维空间中可能与目标手势发生交互的任意对象，其实现方式可以参考上述公开实施例中目标交互对象的示例，在此不再赘述。
待交互对象的空间信息，可以是待交互对象所在平面的平面信息，也可以是待交互对象所在直线的直线信息，根据待交互对象的形状灵活决定。比如在待交互对象包括天窗、车机屏幕或是车窗等平面状的对象的情况下，空间信息可以包括平面信息，在待交互对象包括手刹等线性结构的对象的情况下，空间信息可以包括直线信息。
获取待交互对象的空间信息的方式在本公开实施例中不做限制，可以是根据三维空间本身的结构预先确定的，也可以是对包含该待交互对象的深度图像进行对象识别，从而确定待交互对象在深度图像中的位置，继而确定待交互对象在三维空间中的空间信息等。其中，对深度图像进行对象识别以确定待交互对象位置的方式可以参考上述公开实施例中手势识别的方式，在此不再赘述。
根据至少一个待交互对象的空间信息，可以确定目标手势的朝向信息所在方向上是否存在待交互对象，在存在待交互对象的情况下，可以将该待交互对象确定为目标交互对象。
通过本公开实施例，可以利用待交互对象的空间信息与目标手势的朝向信息来共同确定目标交互对象，从而将朝向信息转换到三维空间中并与三维空间中的一个或多个对象实现实质交互，提升手势交互的交互性和丰富度。
上述公开实施例中提到，朝向信息可以属于采集设备的坐标系，而空间信息是待交互对象在三维空间中的信息，因此朝向信息可能与空间信息所在的坐标系不同，故在一些可能的实现方式中，可以将朝向信息转换至空间信息所在的坐标系，或是将空间信息转换至采集设备的坐标系，来确定目标交互对象。
因此，在一种可能的实现方式中，根据三维空间中至少一个待交互对象的空间信息，确定处于朝向信息所在方向上的待交互对象，作为目标交互对象，可以包括：
获取至少一个待交互对象所在平面在三维空间坐标系中的平面信息，作为空间信息，其中，三维空间坐标系为基于三维空间所建立的坐标系；
确定朝向信息在三维空间坐标系中对应的三维直线信息；
将与三维直线信息产生交集的平面信息所对应的待交互对象，作为目标交互对象。
其中，三维空间坐标系的建立方式可以根据三维空间的空间情况灵活决定，在一个示例中，在三维空间包括车舱空间的情况下，可以根据车舱在设计过程中建立的三维模型，来建立车舱空间的车机坐标系，作为三维空间坐标系。相应地，待交互对象所在平面在三维空间坐标系中的平面信息，也可以根据车舱的三维模型来确定，比如可以根据三维模型中车窗所处的位置确定车窗的平面信息等。
在建立三维空间坐标系的同时，还可以根据采集设备在三维空间中的位置，确定采集设备的坐标系与三维空间坐标系之间的变换关系，比如在采集设备是固定于车舱内的摄像头的情况下，可以根据采集设备的固定位置，以及采集设备的内部参数等，来得到采集设备的坐标系与三维空间坐标系之间的转换矩阵。
基于该变换关系，可以将在采集设备的坐标系中，朝向信息的直线方程和/或平面方程等，转换为车机坐标系下的直线方程和/或平面方程，作为朝向信息在三维空间坐标系中对应的三维直线信息。
在三维直线信息与平面信息产生交点的情况下，可以认为该平面信息对应的待交互对象，处于目标手势所指向的方向上，因此可以将该待交互对象作为目标交互对象。
通过本公开实施例，可以利用三维空间坐标系与采集深度图像的采集设备的坐标系之间的坐标对应关系，将朝向信息转换至真实的三维空间中，从而实现目标手势与三维空间中物体的实质交互，提升交互的应用范围和丰富程度，继而提升交互体验。
图6示出根据本公开实施例的手势交互装置20的框图，如图6所示，所述装置包括：
图像获取模块21，用于获取包含手势的深度图像。
手势识别模块22，用于根据深度图像进行手势识别，得到手势识别结果，手势识别结果包括识别出的目标手势和目标手势的朝向信息。
对象确定模块23，用于根据朝向信息，确定目标手势在三维空间中指向的目标交互对象。
在一种可能的实现方式中，手势识别模块用于：根据深度图像进行手关键点定位，得到手部关键点的信息；对深度图像进行手势分类，得到目标手势；确定目标手势对应的目标手部关键点；根据目标手部关键点的信息，对目标手势进行朝向检测，得到目标手势的朝向信息。
在一种可能的实现方式中，目标手势包括部分手指为伸展状态的手指手势和/或所有手指均为伸展状态的手掌手势；手势识别模块进一步用于：在目标手势包括手指手势的情况下，对应的目标手部关键点包括：伸展状态的至少一个手指的关键点；和/或，在目标手势包括手掌手势的情况下，对应的目标手部关键点包括：各手指与手掌连接位置处的关键点。
在一种可能的实现方式中，目标手部关键点还包括：手腕关键点。
在一种可能的实现方式中，手部关键点的信息包括手部关键点的三维位置；手势识别模块进一步用于：在目标手势包括手指手势的情况下，根据手指手势中至少一个伸展状态的目标手指的至少两个目标手部关键点的三维位置，确定目标手指的朝向信息，作为目标手势的朝向信息。
在一种可能的实现方式中，手部关键点的信息包括手部关键点的三维位置；手势识别模块进一步用于：在目标手势包括手掌手势的情况下，根据手掌手势中至少三个目标手部关键点的三维位置，确定手掌手势中手掌所在平面的朝向信息，作为目标手势的朝向信息。
在一种可能的实现方式中，手势识别模块用于：将深度图像输入第一神经网络，得到第一神经网络输出的手部关键点的信息和目标手势；确定目标手势对应的目标手部关键点；根据目标手部关键点的信息，对目标手势进行朝向检测，得到目标手势的朝向信息。
在一种可能的实现方式中，在手势识别模块之前，装置还用于：将深度图像输入第二神经网络，确定手势在深度图像中的位置信息；根据位置信息，对深度图像进行裁剪，得到裁剪后的深度图像；根据深度图像进行手势识别，得到手势识别结果，包括：根据裁剪后的深度图像进行手势识别，得到手势识别结果。
在一种可能的实现方式中，对象确定模块用于：根据三维空间中至少一个待交互对象的空间信息，确定处于朝向信息所在方向上的待交互对象，作为目标交互对象。
在一种可能的实现方式中，对象确定模块进一步用于：获取至少一个待交互对象所在平面在三维空间坐标系中的平面信息，作为空间信息，其中，三维空间坐标系为基于三维空间所建立的坐标系；确定朝向信息在三维空间坐标系中对应的三维直线信息；将与三维直线信息产生交集的平面信息所对应的待交互对象，作为目标交互对象。
在一种可能的实现方式中，三维空间包括车舱空间，目标交互对象包括位于车舱空间中的一个或多个对象。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
应用场景示例
图7示出根据本公开一应用示例的示意图，如图所示，本公开实施例提出了一种手势交互方法，可以包括如下过程：
通过TOF相机对手势进行图像采集，得到包含手势的深度图像depth-image，该深度图像为灰度图，灰度图中每个像素点的数值代表该像素点的深度；
将detph-image输入至人手检测神经网络(hand-detnet)中，得到手势在深度图中的位置框，利用位置框对深度图像中的手势区域裁剪下来，得到手势图像(hand-depth-image)；
将hand-depth-image输入至手势分类与手关键点检测神经网络(hand-cls-keypoints-net)中，得到手部关键点信息，以及手势的分类结果。其中，手部关键点信息包括19个手指关节点和2个手腕关节点，如上述公开实施例中的图5所示：
当手势的分类结果中包含食指手势或手掌手势等目标手势的情况下，可以根据目标手势对应的关键点，确定目标手势的朝向信息：
基于食指手势计算朝向信息：
将食指中的4个食指关节点作为目标手部关键点，根据手部关键点信息，确定目标手部关键点在深度图像中的坐标以及对应的深度信息，确定的结果如下：
(dx1，dy1，depth1)，(dx2，dy2，depth2)，(dx3，dy3，depth3)，(dx4，dy4，depth4)；
利用相机内参矩阵与焦距信息，计算得到4个食指关键点在相机坐标系下的三维坐标：
(x1，y1，z1)，(x2，y2，z2)，(x3，y3，z3)和(x4，y4，z4)；
基于上述三维坐标，利用最小二乘法估计食指朝向的直线方程finger_line，该直线方程的形式可以参考上述公式(1)；
将手指与手掌交界处的5个关节点以及2个手腕关节点作为目标手部关键点，根据手部关键点信息，确定目标手部关键点在深度图像中的坐标以及对应的深度信息，确定的结果如下：
(dx5，dy5，depth5)，(dx6，dy6，depth6)，(dx7，dy7，depth7)，(dx8，dy8，depth8)，(dx9，dy9，depth9)，(dx10，dy10，depth10)，(dx11，dy11，depth11)；
利用相机内参矩阵与焦距信息，计算得到7个目标手部关键点在相机坐标系下的三维坐标：
(x5，y5，z5)，(x6，y6，z6)，(x7，y7，z7)，(x8，y8，z8)，(x9，y9，z9)，(x10，y10，z10)和(x11，y11，z11)
基于上述三维坐标，利用最小二乘法估计手掌朝向的平面方程法向量，再根据7个目标手部关键点的平均位置得到手掌中心点的三维位置坐标palm_center，基于法向量与手掌中心点的三维位置坐标，得到手掌所在平面的平面方程palm_line，该平面方程的形式可以参考上述公式(2)；
根据车舱的结构建立车舱所在三维空间的车机坐标系，并获取车舱内天窗、车机屏幕以及车窗等待交互对象在车机坐标系中的空间平面表示，作为空间信息；
通过相机坐标系与车机坐标系的转换矩阵，将finger_line与palm_line转换为在车机坐标系下的三维直线信息；
在三维直线信息与天窗、车机屏幕以及车窗等待交互对象的空间平面表示有交点的情况下，则判断手指或者手掌指向该待交互对象。
本公开应用示例提出的手势交互方法，可以通过TOF摄像头获取手势的3D视觉信息，从而获得手势的三维模型，进而通过视觉算法获取手指朝向、手掌朝向等关键交互信息，再结合车舱空间的三维信息，来得到手指或者手掌朝向所指的物体信息，极大的提升用户交互体验。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的手势交互方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的手势交互方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图8示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图9示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图9，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在一些可能的实现方式中，手势交互装置20中包含的各模块，与被提供为终端、服务器或其他形态的设备的电子设备中所包含的各硬件模块相互对应，对应方式可以根据电子设备的设备形态灵活决定，不局限于下述各公开实施例。举例来说，在一个示例中，手势交互装置20中所包含的各模块可以与终端形态的电子设备中的处理组件802对应；在一个示例中，手势交互装置20中所包含的各模块也可以与服务器形态的电子设备中的处理组件1922对应。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种手势交互方法，其特征在于，包括：
获取包含手势的深度图像；
根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息；
根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象；
其中，所述根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象，包括：
根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象。
2.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息，包括：
根据所述深度图像进行手关键点定位，得到手部关键点的信息；
对所述深度图像进行手势分类，得到所述目标手势；
确定所述目标手势对应的目标手部关键点；
根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
3.根据权利要求2所述的方法，其特征在于，所述目标手势包括部分手指为伸展状态的手指手势和/或所有手指均为伸展状态的手掌手势；
所述确定所述目标手势对应的目标手部关键点，包括：
在所述目标手势包括所述手指手势的情况下，所述对应的目标手部关键点包括：伸展状态的至少一个手指的关键点；和/或，
在所述目标手势包括所述手掌手势的情况下，所述对应的目标手部关键点包括：各手指与手掌连接位置处的关键点。
4.根据权利要求3所述的方法，其特征在于，所述目标手部关键点还包括：手腕关键点。
5.根据权利要求3或4所述的方法，其特征在于，所述手部关键点的信息包括手部关键点的三维位置；
所述根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，包括：
在所述目标手势包括所述手指手势的情况下，根据所述手指手势中至少一个伸展状态的目标手指的至少两个目标手部关键点的三维位置，确定所述目标手指的朝向信息，作为所述目标手势的朝向信息。
6.根据权利要求3或4所述的方法，其特征在于，所述手部关键点的信息包括手部关键点的三维位置；
所述根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，包括：
在所述目标手势包括手掌手势的情况下，根据所述手掌手势中至少三个目标手部关键点的三维位置，确定所述手掌手势中手掌所在平面的朝向信息，作为所述目标手势的朝向信息。
7.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像进行手势识别，得到手势识别结果，包括：
将所述深度图像输入第一神经网络，得到所述第一神经网络输出的手部关键点的信息和所述目标手势；
确定所述目标手势对应的目标手部关键点；
根据所述目标手部关键点的信息，对所述目标手势进行朝向检测，得到所述目标手势的朝向信息。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述深度图像进行手势识别，得到手势识别结果之前，所述方法还包括：
将所述深度图像输入第二神经网络，确定所述手势在所述深度图像中的位置信息；
根据所述位置信息，对所述深度图像进行裁剪，得到裁剪后的深度图像；
所述根据所述深度图像进行手势识别，得到手势识别结果，包括：
根据所述裁剪后的深度图像进行手势识别，得到所述手势识别结果。
9.根据权利要求1所述的方法，其特征在于，所述根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象，包括：
获取至少一个待交互对象所在平面在三维空间坐标系中的平面信息，作为所述空间信息，其中，所述三维空间坐标系为基于所述三维空间所建立的坐标系；
确定所述朝向信息在所述三维空间坐标系中对应的三维直线信息；
将与所述三维直线信息产生交集的平面信息所对应的待交互对象，作为所述目标交互对象。
10.根据权利要求1所述的方法，其特征在于，所述三维空间包括车舱空间，所述目标交互对象包括位于所述车舱空间中的一个或多个对象。
11.一种手势交互装置，其特征在于，包括：
图像获取模块，用于获取包含手势的深度图像；
手势识别模块，用于根据所述深度图像进行手势识别，得到手势识别结果，所述手势识别结果包括识别出的目标手势和所述目标手势的朝向信息；
对象确定模块，用于根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象；
其中，所述根据所述朝向信息，确定所述目标手势在三维空间中指向的目标交互对象，包括：
根据所述三维空间中至少一个待交互对象的空间信息，确定处于所述朝向信息所在方向上的待交互对象，作为所述目标交互对象。
12.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110738953.8A CN113486765B (zh) | 2021-06-30 | 2021-06-30 | 手势交互方法及装置、电子设备和存储介质 |
| JP2023544411A JP2024508102A (ja) | 2021-06-30 | 2021-10-28 | ジェスチャーインタラクション方法及び装置、電子機器並びに記憶媒体 |
| PCT/CN2021/126896 WO2023273061A1 (zh) | 2021-06-30 | 2021-10-28 | 手势交互方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110738953.8A CN113486765B (zh) | 2021-06-30 | 2021-06-30 | 手势交互方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113486765A CN113486765A (zh) | 2021-10-08 |
| CN113486765B true CN113486765B (zh) | 2023-06-16 |
Family
ID=77937133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110738953.8A Active CN113486765B (zh) | 2021-06-30 | 2021-06-30 | 手势交互方法及装置、电子设备和存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP2024508102A (zh) |
| CN (1) | CN113486765B (zh) |
| WO (1) | WO2023273061A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486765B (zh) * | 2021-06-30 | 2023-06-16 | 上海商汤临港智能科技有限公司 | 手势交互方法及装置、电子设备和存储介质 |
| CN113936233A (zh) * | 2021-12-16 | 2022-01-14 | 北京亮亮视野科技有限公司 | 一种手指指定目标的识别方法及装置 |
| CN114527669A (zh) * | 2022-01-12 | 2022-05-24 | 深圳绿米联创科技有限公司 | 一种设备控制方法、装置及电子设备 |
| CN114384848B (zh) * | 2022-01-14 | 2024-08-09 | 北京市商汤科技开发有限公司 | 交互方法、装置、电子设备及存储介质 |
| CN114581535B (zh) * | 2022-03-03 | 2023-04-18 | 北京深光科技有限公司 | 图像中用户骨关键点标注方法、装置、存储介质及设备 |
| CN115344121A (zh) * | 2022-08-10 | 2022-11-15 | 北京字跳网络技术有限公司 | 用于处理手势事件的方法、装置、设备和存储介质 |
| CN116149477A (zh) * | 2023-02-01 | 2023-05-23 | 北京字跳网络技术有限公司 | 交互方法、装置、电子设备和存储介质 |
| CN116185205B (zh) * | 2023-04-25 | 2023-07-18 | 中国电子科技集团公司第十五研究所 | 非接触手势交互方法和装置 |
| CN117170543B (zh) * | 2023-11-03 | 2024-01-26 | 博泰车联网(南京)有限公司 | 多屏联动方法、装置、设备和计算机可读存储介质 |
| CN117316158B (zh) * | 2023-11-28 | 2024-04-12 | 科大讯飞股份有限公司 | 一种交互方法、装置、控制设备及存储介质 |
| CN117373135B (zh) * | 2023-12-07 | 2024-03-15 | 湖北星纪魅族集团有限公司 | 基于视觉的滑动手势识别方法、系统及相关设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108780361A (zh) * | 2018-02-05 | 2018-11-09 | 深圳前海达闼云端智能科技有限公司 | 人机交互方法、装置、机器人及计算机可读存储介质 |
| CN110209273A (zh) * | 2019-05-23 | 2019-09-06 | Oppo广东移动通信有限公司 | 手势识别方法、交互控制方法、装置、介质与电子设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110219340A1 (en) * | 2010-03-03 | 2011-09-08 | Pathangay Vinod | System and method for point, select and transfer hand gesture based user interface |
| US9734435B2 (en) * | 2015-12-31 | 2017-08-15 | Microsoft Technology Licensing, Llc | Recognition of hand poses by classification using discrete values |
| CN108229318A (zh) * | 2017-11-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 手势识别和手势识别网络的训练方法及装置、设备、介质 |
| CN108776773B (zh) * | 2018-05-04 | 2022-03-29 | 华南理工大学 | 一种基于深度图像的三维手势识别方法及交互系统 |
| CN109044651B (zh) * | 2018-06-09 | 2020-06-16 | 苏州大学 | 未知环境中基于自然手势指令的智能轮椅控制方法及系统 |
| CN109948542B (zh) * | 2019-03-19 | 2022-09-23 | 北京百度网讯科技有限公司 | 手势识别方法、装置、电子设备和存储介质 |
| CN113486765B (zh) * | 2021-06-30 | 2023-06-16 | 上海商汤临港智能科技有限公司 | 手势交互方法及装置、电子设备和存储介质 |
-
2021
- 2021-06-30 CN CN202110738953.8A patent/CN113486765B/zh active Active
- 2021-10-28 WO PCT/CN2021/126896 patent/WO2023273061A1/zh active Application Filing
- 2021-10-28 JP JP2023544411A patent/JP2024508102A/ja active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108780361A (zh) * | 2018-02-05 | 2018-11-09 | 深圳前海达闼云端智能科技有限公司 | 人机交互方法、装置、机器人及计算机可读存储介质 |
| CN110209273A (zh) * | 2019-05-23 | 2019-09-06 | Oppo广东移动通信有限公司 | 手势识别方法、交互控制方法、装置、介质与电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113486765A (zh) | 2021-10-08 |
| JP2024508102A (ja) | 2024-02-22 |
| WO2023273061A1 (zh) | 2023-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113486765B (zh) | 手势交互方法及装置、电子设备和存储介质 | |
| CN111783986B (zh) | 网络训练方法及装置、姿态预测方法及装置 | |
| CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
| CN110688951B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111753822A (zh) | 文本识别方法及装置、电子设备和存储介质 | |
| CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
| CN111626183B (zh) | 一种目标对象展示方法及装置、电子设备和存储介质 | |
| CN114019473A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
| CN110928627B (zh) | 界面展示方法及装置、电子设备和存储介质 | |
| CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
| CN111563138B (zh) | 定位方法及装置、电子设备和存储介质 | |
| CN113806054A (zh) | 任务处理方法及装置、电子设备和存储介质 | |
| CN113486759B (zh) | 危险动作的识别方法及装置、电子设备和存储介质 | |
| US20210158031A1 (en) | Gesture Recognition Method, and Electronic Device and Storage Medium | |
| CN110909203A (zh) | 视频分析方法及装置、电子设备和存储介质 | |
| CN113407083A (zh) | 一种数据标注方法及装置、电子设备和存储介质 | |
| CN114067085A (zh) | 一种虚拟对象的显示方法及装置、电子设备和存储介质 | |
| CN112541971A (zh) | 点云地图构建方法及装置、电子设备和存储介质 | |
| CN113989469A (zh) | Ar景点显示方法及装置、电子设备和存储介质 | |
| CN111784773A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
| CN111339880A (zh) | 一种目标检测方法及装置、电子设备和存储介质 | |
| CN113012052A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN112767541B (zh) | 三维重建方法及装置、电子设备和存储介质 | |
| CN112102300B (zh) | 计数方法及装置、电子设备和存储介质 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40051879 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |