CN116665298A - 手势识别方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种手势识别方法、装置、设备及存储介质，属于人机交互技术领域。手势识别装置包括：腕部图像采集部件以及控制部件；所述腕部图像采集部件，用于采集当前的腕部图像，并传输给所述控制部件；所述控制部件，用于将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。该方法用以提供一种简单高效且不依赖于环境光线以及专业设备的手势识别方案。

Description

手势识别方法、装置、设备及存储介质

技术领域

本公开涉及人机交互技术领域，尤其涉及一种手势识别方法、装置、设备及存储介质。

背景技术

目前在增强现实(Augmented Reality，AR)和虚拟现实(Virtual Reality，VR)空间，对目标的操作有多种形式但各有优缺点，例如，侦测人眼聚焦目标的方式，该方式操作慢；摄像头检测人的手势，映射在虚拟空间中点出目标，该方式需要用户长时间举着手，操作不方便，摄像头捕获手部动作图像，受到环境光线影响，以及摄像头视角影响，手势识别率不高；采用专业手持设备进行操作，该方式的通用性较差。

发明内容

本公开提供一种手势识别方法、装置、设备及存储介质。

本公开第一方面提供了一种手势识别装置，包括：腕部图像采集部件以及控制部件；

所述腕部图像采集部件，用于采集当前的腕部图像，并传输给所述控制部件；

所述控制部件，用于将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。

本公开第二方面提供一种手势识别方法，包括：

获取当前的腕部图像；

将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。

本公开第三方面提供一种电子设备，包括：

至少一个处理器；

存储器，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根据第二方面所述的方法；

至少一个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。

本公开第四方面提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据第二方面所述的方法。

本公开具有如下优点：

通过采集当前的腕部图像，将腕部图像与预先保存的基准图像比对，响应相匹配的基准图像对应的手势，从而利用不同手势状态下对应的腕部图像也不同的特点，实现了通过腕部图像识别手势的方式，操作简单高效，且不依赖于环境光线以及专业设备，具有很强的通用性。

附图说明

图1为本公开实施例中提供的一种手势识别装置结构示意图；

图2为本公开实施例中提供的一种腕部穿戴设备的结构示意图；

图3为本公开实施例中提供的一种手势识别方法流程示意图；

图4为本公开实施例中提供的一种手势控制AR或VR的方法流程示意图；

图5为本公开实施例中提供的一种腕部示意图示意图；

图6为本公开实施例中提供的一种手势识别装置结构示意图；

图7为本公开实施例中提供的一种电子设备结构示意图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

如本公开所使用的，术语“和/或”包括一个或多个相关列举条目的任何和全部组合。

本公开所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本公开所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。

当本公开中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。

除非另外限定，否则本公开所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本公开明确如此限定。

本公开实施例提供了一种手势识别装置，如图1所示为该手势识别装置1的结构示意图，该手势识别装置主要包括：腕部图像采集部件10以及控制部件11。

其中，腕部图像采集部件10，用于采集当前的腕部图像，并传输给控制部件11；控制部件11，用于将腕部图像与预先保存的至少一个基准图像比对，响应与腕部图像相匹配的基准图像对应的手势。

在一些实施例中，手势识别装置1嵌入在腕部穿戴设备2中，且在佩戴状态下腕部图像采集部件10朝向腕部所在一侧。图2所示为腕部穿戴设备的结构示意图，此为腕部穿戴设备的示例，该示例中腕部穿戴设备2为智能手表或智能手环，手势识别装置1嵌入智能手表的表盘背面(该表盘背面在用户佩戴该智能手表时朝向用户腕部)或者嵌入在智能手表的表带内侧(该表带内侧在用户佩戴该智能手表时朝向用户腕部)，也可以是手势识别装置1嵌入在智能手环的内侧(该智能手环的内侧在用户佩戴该智能手表时朝向用户腕部)。将手势识别状态嵌入在智能手表等腕部穿戴设备中，能够随时操作使用，保证了使用便利性。需要理解的是，此处仅为举例说明，对于腕部穿戴设备的具体形式不做限制，只需要能够便于采集用户腕部图像即可。

在一些实施例中，参照图2所示，腕部图像采集部件10包括图像传感器101和发光元件102。控制部件11用于控制发光元件102发光，并控制图像传感器101开启。其中，发光元件102具体可以是发光管等，发光元件102可以是发近红外光或白光；图像传感器101可以是摄像头等。示例性地，图2中虚线部分示意图像传感器101拍摄的角度，腕部穿戴设备2以智能手表为例，智能手表包括表盘21和表带22，表盘21的正面23配置显示屏，表盘的背面24嵌入图像传感器101和发光元件102。为了便于拍摄，摄像头在采集腕部图像时，与腕部皮肤表面保持一定的距离，具体根据需要调整摄像头的位置以能够清楚拍摄腕部图像。图2中所示图像传感器101的内嵌位置仅是举例，也可以内嵌在表盘更深的位置，根据需要设置即可。除此之外，为了美观以及佩戴舒适性，可以在嵌入图像传感器101的位置设置透明外壳，以便于与腕部皮肤接触时具有良好的佩戴体验且不影响图像传感器101的采集效果。

其中，腕部穿戴设备2中的电源与手势识别装置1的供电端连接，以为手势识别装置1供电。例如，腕部穿戴设备2中的电源分别连接发光元件的供电端以及图像传感器的供电端，以供发光元件和图像传感器正常工作。

在一些实施例中，控制部件11还用于：采集当前的腕部图像之前，根据控制指令进入手势侦测状态，控制腕部图像采集部件10开启。其中，开启腕部图像采集部件10的方式不做限制，可以是声控开启或者点击启动按钮开启等。

在一些实施例中，控制部件11用于采集当前的腕部图像之前，采集至少一个基准图像，并获取各基准图像对应的手势。其中，在不同的手势下采集腕部相应的基准图像，获得手势与基准图像之间的映射关系。例如，采集握拳状态下的腕部图像作为握拳这一手势对应的基准图像；采集张开手掌状态下的腕部图像作为张开手掌这一手势对应的基准图像等。握拳状态下五指处于伸直状态，张开手掌状态下五指处于收拢状态。

在一些实施例中，控制部件11用于获取腕部图像的特征值，将腕部图像的特征值与各基准图像的特征值比对，获得相似度超过预设阈值的基准图像，作为与腕部图像相匹配的基准图像。其中，在相似度超过预设阈值的基准图像的个数大于或等于2时，从中选择相似度最大的基准图像作为与腕部图像相匹配的基准图像。

其中，在发光元件102发红外光时，腕部图像采集部件10采集的图像中包括腕部静脉特征，这里利用流动的血液中血红蛋白对近红外光的吸收而形成静脉血管的图像。人手的手势由手臂不同肌肉收缩膨胀变化控制，例如手势为握拳或张开手掌，而不同肌肉收缩膨胀会影响腕部静脉位置变化，特别是因握拳或张开手掌等手势牵动肌肉及筋的变化，手腕处皮下静脉出现明显的静脉位置的变化以及血管粗细变化，不同的静脉图像与不同的手势对应，从而使得能够通过静脉图像识别手势。

在发光元件102发白光时，腕部图像采集部件10采集的图像中包括腕部皮肤纹理特征，人手的手势由手臂不同肌肉收缩膨胀变化控制，例如手势为握拳或张开手掌，而不同肌肉收缩膨胀会影响腕部皮肤纹理变化，特别是因握拳或张开手掌等手势牵动肌肉或筋的变化，手腕处皮肤纹理出现明显的位置变化，不同的皮肤纹理与不同的手势对应，从而使得能够通过腕部皮肤图像识别手势。

本公开实施例中，通过采集当前的腕部图像，将腕部图像与预先保存的基准图像比对，响应相匹配的基准图像对应的手势，从而利用不同手势状态下对应的腕部图像也不同的特点，实现了通过腕部图像识别手势的方式，操作简单高效，且不依赖于环境光线以及专业设备，具有很强的通用性。

并且，控制部件中保存手势与操作指令之间的映射关系，从该映射关系中获取识别到的手势对应的操作指令，以对被操作设备(例如AR、VR、智能电视、智能投影机等)中的目标进行操作。或者，控制部件保存手势及其他传感参数的组合与操作指令之间的映射关系，从该映射关系中获取识别到的手势以及当前传感参数的组合对应的操作指令，以对被操作设备中的目标进行操作，通过与其他传感参数组合能够匹配多种操作指令，实现对被操作设备中目标的多种操作。该其他传感参数可以是加速度传感器、重力传感器等监测到的指示手势识别装置处于垂直状态或水平状态的参数、指示手势识别装置处于运动或静止状态的参数等。

应用该手势识别装置，并不需要该装置以及用户手腕处于被操作设备的监控范围内，操作随意舒适，通过该使用本公开实施例提供的手势识别装置，能够非接触、非直视状态下方便地操作被操作设备，并且以嵌入腕部穿戴设备的方式佩戴，便于用户随身携带以及随时使用。

基于同一构思，本公开实施例提供了一种手势识别方法，该方法可以应用于以上所描述的手势识别装置，具体可以是由该手势识别装置中的控制部件执行。图3所示为该手势识别方法的流程示意图，该方法主要包括：

步骤301，获取当前的腕部图像。

在一些实施例中，获取当前的腕部图像之前，还包括：获取至少一个基准图像，并获取各基准图像对应的手势。其中，手势识别装置在不同的手势下采集腕部相应的基准图像，获得手势与基准图像之间的映射关系。例如，采集握拳状态下的腕部图像作为握拳这一手势对应的基准图像；采集张开手掌状态下的腕部图像作为张开手掌这一手势对应的基准图像等。示例性地，基准图像可以是包括腕部静脉特征的图像，或者是包括腕部皮肤纹理特征的图像。

在一些实施例中，获取当前的腕部图像之前，还包括：根据控制指令进入手势侦测状态，控制腕部图像采集部件开启。其中，对控制指令的具体形式不做限制，具体可以是根据声控指令进入手势侦测状态，并控制腕部图像采集部件开启；或者，根据对控制按钮的点击操作进入手势侦测状态，并控制腕部图像采集部件开启，其中，控制按钮可以是实体按键，或者是应用程序中配置的虚拟按键。

步骤302，将腕部图像与预先保存的至少一个基准图像比对，响应与该腕部图像相匹配的基准图像对应的手势。

在一些实施例中，将腕部图像与预先保存的至少一个基准图像比对，响应与该腕部图像相匹配的基准图像对应的手势，包括：获取腕部图像的特征值，将腕部图像的特征值与各基准图像的特征值比对，获得相似度超过预设阈值的基准图像，作为与腕部图像相匹配的基准图像，响应与该腕部图像相匹配的基准图像对应的手势。

其中，在相似度超过预设阈值的基准图像的个数大于或等于2时，从中选择相似度最大的基准图像作为与腕部图像相匹配的基准图像。

其中，在腕部图像为静脉图像时，腕部图像的特征值用于指示腕部图像中静脉血管的位置以及粗细，不同手势对应的基准图像中静脉血管的位置以及粗细不同，即不同手势的基准图像的特征值不相同。在腕部图像为腕部皮肤图像时，腕部图像的特征值用于指示腕部图像中皮肤纹理的位置，不同手势对应的基准图像中皮肤纹理的位置不同，即不同手势的基准图像的特征值不相同。

其中，腕部图像与基准图像比对，可以计算腕部图像的哈希值以及基准图像的哈希值，计算腕部图像的哈希值与基准图像的哈希值的相似度，将相似度最高且相似度大于预设阈值的基准图像，作为相似度最高的基准图像。需要说明的是，计算两张图像之间的相似度有多种方式，此处以哈希值计算相似度仅是一种举例，相似度的计算并不以此为限。

假设有4张图像，分别为z1、z2、q1和q2，这四张图像的相似度如表1所示，则基于该表格进行以下举例：假设当前的腕部图像为z1，z1与基准图像z2的相似度为0.86，与基准图像q1、q2的相似度均没有超过0.79，假设以0.82作为预设阈值，则z2满足相似度最高且大于0.82，将z2对应的手势作为当前的腕部图像的手势，若已知z2的手势为张开手掌，则z1的手势也是张开手掌；假设当前的腕部图像为q1，q1与q2的相似度为0.93，与z1、z2的相似度均没有超过0.74，假设以0.82作为预设阈值，则q2满足相似度最高且大于0.82，将q2对应的手势作为当前的腕部图像的手势，若已知q2的手势为握拳，则q1的手势也为握拳。

表1图像之间的相似度

	z1	z2	q1	q2
					z1	0	0.86	0.74	0.79
z2	0.86	0	0.7	0.73
					q1	0.74	0.7	0	0.93
q2	0.79	0.73	0.93	0

示例性，至少一个基准图像中包括握拳手势下对腕部进行采集得到的基准图像，张开手掌状态下对腕部进行采集得到的基准图像，具体可以包括握拳状态且拳头与腕部呈不同角度时分别进行采集得到的基准图像，张开手掌且手掌与腕部呈不同角度时分别进行采集得到的基准图像。例如，张开手掌且手掌与腕部在同一直线上时采集的第一基准图像，张开手掌且手掌向腕部内侧弯折时采集的第二基准图像，张开手掌且手掌向腕部外侧弯折时采集的第三基准图像等；握拳状态与张开手掌状态下采集过程类似。

其中，在握拳状态下手腕处肌肉收缩，采集处于肌肉收缩状态下腕部图像作为握拳手势对应的基准图像，而在张开手掌状态下手腕处肌肉膨胀，采集处于肌肉膨胀状态下腕部图像作为张开手掌手势对应的基准图像。

在一些实施例中，预先保存手势及其他传感参数的组合与操作指令之间的映射关系；在获取与腕部图像相匹配的基准图像对应的手势之后，还包括：获取该手势与当前获得的其他传感参数的组合，从该映射关系中获取该组合对应的操作指令，按照该操作指令控制被操作设备。其中，其他传感参数可以是加速度传感器、重力传感器等监测到的指示手势识别装置处于垂直状态或水平状态的参数、指示手势识别装置处于运动或静止状态的参数等。该方式能够非接触、非直视状态下方便地操作被操作设备，并且以嵌入腕部穿戴设备的方式佩戴，便于用户随身携带以及随时使用。

在一个示例性实施例中，以采用手势识别装置控制AR或VR为例，图4所示为手势控制AR或VR的方法流程示意图，方法流程主要包括：

步骤401，校准后分别拍摄张开手掌、握拳状态下腕部的基准图像，作为对比数据；

步骤402，进入手势侦测状态，启动腕部图像采集部件并采集当前的腕部图像；

步骤403，将当前的腕部图像与预先拍摄的基准图像比对；

步骤404，判断当前的腕部图像是否与张开手掌状态下的基准图像相似，若是，执行步骤405，否则，执行步骤406；

步骤405，识别到手势为张开手掌，执行步骤408；

步骤406，判断当前的腕部图像是否与握拳状态下的基准图像相似，若是，执行步骤407，若否，返回执行步骤402；

步骤407，识别到手势为握拳，执行步骤408；

步骤408，将手势结合手背状态、挥动方向的组合，确定操作指令，向AR或VR发送操作指令；其中，手背状态包括垂直状态或水平状态，挥动方向包括水平方向或垂直方向。

示例性地，手势与操作指令之间的映射关系定义如表2所示，根据识别到的手势为握拳还是张开手掌，配合传感器检测到的手背状态以及挥动方向，定义对AR或VR空间目标的操作。

表2手势与操作指令的映射关系

手势及手背状态	水平方向挥动	垂直方向挥动
			张开手掌及水平状态	退出应用	拖动页面上下移动
张开手掌及垂直状态	拖动页面左右移动	退出应用
			握拳及水平状态	左右移动聚焦框	上下移动聚焦框
握拳及垂直状态	启动应用	启动应用

表2中所列手势与操作指令的映射关系仅为举例，例如，还可以为张开手掌状态下双击(双击可以是检测到连续2次震动)对应一种操作指令，除握拳和张开手掌状态这两种手势之外，还可以是食指状态(食指与其余手指处于不同状态，例如，食指伸直、其余手指握拳；或者，食指握拳、其余手指伸直等)，在食指状态下双击(双击可以是检测到连续2次震动)对应另一种操作指令等。也可以是，同时检测双手腕部图像，组合得到更多的操作。

本公开实施例中，通过采集当前的腕部图像，将腕部图像与预先保存的基准图像比对，响应相匹配的基准图像对应的手势，从而利用不同手势状态下对应的腕部图像也不同的特点，实现了通过腕部图像识别手势的人机交互方式，操作简单高效，且不依赖于环境光线以及专业设备，具有很强的通用性。

并且，保存手势与操作指令之间的映射关系，从该映射关系中获取识别到的手势对应的操作指令，以对被操作设备(例如AR、VR、智能电视、智能投影机等)中的目标进行操作。或者，保存手势及其他传感参数的组合与操作指令之间的映射关系，从该映射关系中获取识别到的手势以及当前传感参数的组合对应的操作指令，以对被操作设备中的目标进行操作，通过与其他传感参数组合能够匹配多种操作指令，实现对被操作设备中目标的多种操作。该其他传感参数可以是加速度传感器、重力传感器等监测到的指示手势识别装置处于垂直状态或水平状态的参数、指示手势识别装置处于运动或静止状态的参数等。

应用该手势识别方法，并不需要用户手腕处于被操作设备的监控范围内，操作随意舒适，通过该使用本公开实施例提供的手势识别方法，能够非接触、非直视状态下方便地操作被操作设备，并且以嵌入腕部穿戴设备的方式佩戴，便于用户随身携带以及随时使用。

需要说明的是，本公开实施例中腕部图像以及基准图像可以是对腕部内侧(位于掌面同一侧的腕部表面)拍摄得到的图像，腕部图像以及基准图像也可以是对腕部外侧(位于手背同一侧的腕部表面)拍摄得到的图像，图5所示为腕部示意图。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本公开的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在本公开的保护范围内。

本公开实施例中提供了一种手势识别装置，该装置的具体实施可参见方法实施例的相关描述，此处不再重述。图6所示为该装置的结构示意图，主要包括：

获取模块601，用于获取当前的腕部图像；

比对模块602，用于将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。

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方法实施例描述的方法，其具体实现和技术效果可参照上文方法实施例的描述，为了简洁，这里不再赘述。

需要说明的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本公开的创新部分，本实施方式中并没有将与解决本公开所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

参照图7，本公开实施例提供一种电子设备，其包括：

至少一个处理器701；

存储器702，其上存储有至少一个程序，当该至少一个程序被该至少一个处理器执行，使得该至少一个处理器实现上述方法；

至少一个I/O接口703，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。

其中，处理器701为具有数据处理能力的器件，其包括但不限于中央处理器(CPU)等；存储器702为具有数据存储能力的器件，其包括但不限于随机存取存储器(RAM，更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)；I/O接口(读写接口)703连接在处理器701与存储器702间，能实现处理器701与存储器702的信息交互，其包括但不限于数据总线(Bus)等。

在一些实施例中，处理器701、存储器702和I/O接口703通过总线相互连接，进而与计算设备的其它组件连接。

本实施例还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本实施例提供的方法，为避免重复描述，在此不再赘述该方法的具体步骤。

本领域普通技术人员可以理解，上文中所申请方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本实施例的范围之内并且形成不同的实施例。

可以理解的是，以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式，然而本公开并不局限于此。对于本领域内的普通技术人员而言，在不脱离本公开的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本公开的保护范围。

Claims (12)

1.一种手势识别装置，其特征在于，包括：腕部图像采集部件以及控制部件；

所述腕部图像采集部件，用于采集当前的腕部图像，并传输给所述控制部件；

所述控制部件，用于将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。

2.根据权利要求1所述的手势识别装置，其特征在于，所述手势识别装置嵌入在腕部穿戴设备中，且所述腕部图像采集部件朝向腕部所在一侧。

3.根据权利要求1所述的手势识别装置，其特征在于，所述控制部件，还用于采集当前的腕部图像之前，根据控制指令进入手势侦测状态，控制所述腕部图像采集部件开启。

4.根据权利要求1所述的手势识别装置，其特征在于，所述腕部图像采集部件包括图像传感器和发光元件；

所述控制部件用于控制所述发光元件发光，并控制所述图像传感器开启。

5.根据权利要求1所述的手势识别装置，其特征在于，所述控制部件用于所述采集当前的腕部图像之前，采集所述至少一个基准图像，并获取各所述基准图像对应的手势。

6.根据权利要求1所述的手势识别装置，其特征在于，所述控制部件用于获取所述腕部图像的特征值，将所述腕部图像的特征值与各所述基准图像的特征值比对，获得相似度超过预设阈值的基准图像，作为与所述腕部图像相匹配的基准图像。

7.一种手势识别方法，其特征在于，包括：

获取当前的腕部图像；

将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势。

8.根据权利要求7所述的手势识别方法，其特征在于，所述获取当前的腕部图像之前，所述方法还包括：

获取所述至少一个基准图像，并获取各所述基准图像对应的手势。

9.根据权利要求7所述的手势识别方法，其特征在于，所述获取当前的腕部图像之前，所述方法还包括：

根据控制指令进入手势侦测状态，控制腕部图像采集部件开启。

10.根据权利要求7所述的手势识别方法，其特征在于，所述将所述腕部图像与预先保存的至少一个基准图像比对，响应与所述腕部图像相匹配的基准图像对应的手势，包括：

获取所述腕部图像的特征值，将所述腕部图像的特征值与各所述基准图像的特征值比对，获得相似度超过预设阈值的基准图像，作为与所述腕部图像相匹配的基准图像，响应与所述腕部图像相匹配的基准图像对应的手势。

11.一种电子设备，其特征在于，包括：

至少一个处理器；

存储器，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根据权利要求7-10中任意一项所述的方法；

至少一个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。

12.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求7-10中任意一项所述的方法。