CN116909394A - 一种手势智能识别跟踪方法及相关设备 - Google Patents

一种手势智能识别跟踪方法及相关设备 Download PDF

Info

Publication number
CN116909394A
CN116909394A CN202310822348.8A CN202310822348A CN116909394A CN 116909394 A CN116909394 A CN 116909394A CN 202310822348 A CN202310822348 A CN 202310822348A CN 116909394 A CN116909394 A CN 116909394A
Authority
CN
China
Prior art keywords
gesture
image
gesture image
coordinate position
intelligent
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.)
Pending
Application number
CN202310822348.8A
Other languages
English (en)
Inventor
冼冠文
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.)
Shenzhen Coocaa Network Technology Co Ltd
Original Assignee
Shenzhen Coocaa Network Technology 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 Shenzhen Coocaa Network Technology Co Ltd filed Critical Shenzhen Coocaa Network Technology Co Ltd
Priority to CN202310822348.8A priority Critical patent/CN116909394A/zh
Publication of CN116909394A publication Critical patent/CN116909394A/zh
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种手势智能识别跟踪方法及相关设备，所述方法包括：获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。本发明采用人工智能AI视觉手势识别技术，将摄像头输入的用户手势动作识别出后，对摄像头的下一帧画面采用相同算法识别出来后，前后形成一个画面跟踪轨迹，从而实现手势智能识别跟踪的目的。

Description

一种手势智能识别跟踪方法及相关设备
技术领域
本发明涉及智能识别技术领域，尤其涉及一种手势智能识别跟踪方法、系统、智能识别设备及计算机可读存储介质。
背景技术
当前家庭电视的操控一般都是通过遥控器来进行的，由于家里一般有小孩、老人，遥控器的摆放位置经常会被忘记，这个时候找遥控器操控电视就显得很麻烦吃力，这是传统遥控器操控方式的痛点，无法满足特定用户操控电视的需求。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种手势智能识别跟踪方法、系统、智能识别设备及计算机可读存储介质，旨在解决现有技术中无法找到遥控器时无法操控电视的问题。
为实现上述目的，本发明提供一种手势智能识别跟踪方法，所述手势智能识别跟踪方法包括如下步骤：
获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
可选地，所述的手势智能识别跟踪方法，其中，所述获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，具体包括：
接收所述摄像头发送的多帧手势图像，将多帧手势图像的当前分辨率进行缩放处理得到预设分辨率；
将多帧预设分辨率的手势图像的当前图片格式转换为预设图片格式，得到第一手势图像。
可选地，所述的手势智能识别跟踪方法，其中，所述推理模型为通过多个同类图像数据建立的数据表或数据库。
可选地，所述的手势智能识别跟踪方法，其中，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，具体包括：
基于所述推理模型根据所述第二手势图像，类比计算出与数据表或数据库中相似度最高的图像数据，以识别所述第二手势图像的图像类别，根据所述图像类别确定手势形状；
根据确定的所述手势形状在所述第二手势图像标记手势坐标位置，转化为鼠标坐标值，形成形状框图。
可选地，所述的手势智能识别跟踪方法，其中，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，之后还包括：
对所述第二手势图像的所述手势坐标位置进行结果渲染处理。
可选地，所述的手势智能识别跟踪方法，其中，所述对所述第二手势图像的所述手势坐标位置进行结果渲染处理，之后还包括：
将所述手势坐标位置进行坐标转换处理，以得到所述手势坐标位置在所述显示屏上的位置。
可选地，所述的手势智能识别跟踪方法，其中，所述预设图片格式包括proto格式。
此外，为实现上述目的，本发明还提供一种手势智能识别跟踪系统，其中，所述手势智能识别跟踪系统包括：
图像采集转换模块，用于获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
图像预处理模块，用于将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
图像识别标记模块，用于基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
手势位置显示模块，用于将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
此外，为实现上述目的，本发明还提供一种智能识别设备，其中，所述智能识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的手势智能识别跟踪程序，所述手势智能识别跟踪程序被所述处理器执行时实现如上所述的手势智能识别跟踪方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有手势智能识别跟踪程序，所述手势智能识别跟踪程序被处理器执行时实现如上所述的手势智能识别跟踪方法的步骤。
本发明中，获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。本发明采用人工智能AI视觉手势识别技术，将摄像头输入的用户手势动作识别出后，对摄像头的下一帧画面采用相同算法识别出来后，前后形成一个画面跟踪轨迹，从而实现手势智能识别跟踪的目的。
附图说明
图1是本发明手势智能识别跟踪方法的较佳实施例的流程图；
图2是本发明手势智能识别跟踪方法的较佳实施例中手势识别流程示意图；
图3是本发明手势智能识别跟踪方法的较佳实施例中整体工作流程示意图；
图4是本发明手势智能识别跟踪系统的较佳实施例的原理示意图；
图5为本发明智能识别设备的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的手势智能识别跟踪方法，如图1、图2和图3所示，所述手势智能识别跟踪方法包括以下步骤：
步骤S10、获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到。
具体地，接收所述摄像头发送的多帧手势图像(或者采集的用户做出手势动作的视频)，将多帧手势图像的当前分辨率进行缩放处理(即图2中的图像转换)得到预设分辨率；将多帧预设分辨率的手势图像的当前图片格式转换为预设图片格式，得到第一手势图像。
摄像头采集是每帧图像送入的，对每帧图像，分辨率都较大，例如4096*2048，因此需要缩放成512*512大小的图片，且转换格式为proto的图片数据，送到推理模型中去识别。
步骤S20、将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型。
具体地，图片预处理(如图2所示)是指把jpg或png图像转换为proto格式的图像数据，目的是满足推理模型的识别要求；因此，先将第一手势图像进行图片预处理，转换为proto格式的图像，再输入到推理模型。其中，所述推理模型为通过多个同类图像数据建立的数据表或数据库。
步骤S30、基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置。
具体地，基于所述推理模型根据所述第二手势图像，类比计算出与数据表或数据库中相似度最高的图像数据，以识别所述第二手势图像的图像类别(如图2所示)，根据所述图像类别确定手势形状；根据确定的所述手势形状在所述第二手势图像标记手势坐标位置，转化为鼠标坐标值，形成形状框图。
推理模型是根据输入图像数据，来类比计算出跟模型数据库中哪组数据最相似，这样就认为该图像是什么类型的图像，并提供一个置信度值，例如90％，推理模型就是通过很多同类的图像数据建立起来的数据表或数据库，推理就是通过神经网络的计算方法来计算输入图像和模型中的相似度，目的是识别出来输入图像大概是什么图片。推理模型识别出来手势，会在图中标记出来手势的坐标位置的，形成形状框图。
进一步地，如图3所示，对所述第二手势图像的所述手势坐标位置进行结果渲染处理(渲染就是显示的意思，目的是让用户看到位置)。此外，还将所述手势坐标位置进行坐标转换处理，以得到所述手势坐标位置在所述显示屏上的位置，例如，假如手势食指指尖在(500，600)这个点，而图像分辨率是1920*1080大小，而TV屏幕是4096*2160，就可以换算出食指指尖(即光标)在TV屏上的位置了。
步骤S40、将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
具体地，在得到手势坐标位置后，将手势坐标位置发送到智能电视的显示屏，所述显示屏根据手势坐标位置在屏幕上显示所述手势坐标位置，将摄像头输入的用户手势动作识别出后，对摄像头的下一帧画面也采用相同算法识别出来后，这样前后就会形成一个画面跟踪轨迹，从而实现手势智能识别跟踪的目的，即图3中的不断更新位置实现手势跟踪。
从图2的工作流程可以看出，手势通过摄像头输入，内部对图像做分析处理，输出手形识别结果及其在图中坐标位置，即可发送到电视上显示出来，通过一帧帧画面的重复处理，即可完成对手势的智能识别跟踪。
从图3的工作流程图可以看出，通过新的手势识别和跟踪技术，本发明实现了一种全新的交互操控方式提供了技术基础，为对大屏的虚拟触控提供了技术可能。
由于传统的智能电视操控强依赖遥控器，而遥控器是借助红外或蓝牙协议实现按键传递；本发明采用图像识别技术，通过摄像头对用户手势的视频实时采集、智能识别和跟踪显示等一系列的关键技术处理，实现对手势的智能识别跟踪的目的，从而为手势光标控制提供了技术基础。
进一步地，本发明还可以为通过其他人体肢体动作来识别而非手势动作识别，识别和跟踪后转换为对应坐标和键值，来最终实现控制电视的目的。或者改为其他肢体识别跟踪后转换成鼠标键值的形式来控制电视的方式。
进一步地，如图4所示，基于上述手势智能识别跟踪方法，本发明还相应提供了一种手势智能识别跟踪系统，其中，所述手势智能识别跟踪系统包括：
图像采集转换模块51，用于获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
图像预处理模块52，用于将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
图像识别标记模块53，用于基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
手势位置显示模块54，用于将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
进一步地，如图5所示，基于上述手势智能识别跟踪方法和系统，本发明还相应提供了一种智能识别设备，所述智能识别设备包括处理器10、存储器20及显示器30。图5仅示出了智能识别设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能识别设备的内部存储单元，例如智能识别设备的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能识别设备的外部存储设备，例如所述智能识别设备上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述智能识别设备的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能识别设备的应用软件及各类数据，例如所述安装智能识别设备的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有手势智能识别跟踪程序40，该手势智能识别跟踪程序40可被处理器10所执行，从而实现本申请中手势智能识别跟踪方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述手势智能识别跟踪方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述智能识别设备的信息以及用于显示可视化的用户界面。所述智能识别设备的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中手势智能识别跟踪程序40时实现以下步骤：
获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
其中，所述获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，具体包括：
接收所述摄像头发送的多帧手势图像，将多帧手势图像的当前分辨率进行缩放处理得到预设分辨率；
将多帧预设分辨率的手势图像的当前图片格式转换为预设图片格式，得到第一手势图像。
其中，所述推理模型为通过多个同类图像数据建立的数据表或数据库。
其中，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，具体包括：
基于所述推理模型根据所述第二手势图像，类比计算出与数据表或数据库中相似度最高的图像数据，以识别所述第二手势图像的图像类别，根据所述图像类别确定手势形状；
根据确定的所述手势形状在所述第二手势图像标记手势坐标位置，转化为鼠标坐标值，形成形状框图。
其中，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，之后还包括：
对所述第二手势图像的所述手势坐标位置进行结果渲染处理。
其中，所述对所述第二手势图像的所述手势坐标位置进行结果渲染处理，之后还包括：
将所述手势坐标位置进行坐标转换处理，以得到所述手势坐标位置在所述显示屏上的位置。
其中，所述预设图片格式包括proto格式。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有手势智能识别跟踪程序，所述手势智能识别跟踪程序被处理器执行时实现如上所述的手势智能识别跟踪方法的步骤。
综上所述，本发明提供一种手势智能识别跟踪方法及相关设备，所述方法包括：获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。本发明采用人工智能AI视觉手势识别技术，将摄像头输入的用户手势动作识别出后，对摄像头的下一帧画面采用相同算法识别出来后，前后形成一个画面跟踪轨迹，从而实现手势智能识别跟踪的目的。
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、物品或者智能识别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、物品或者智能识别设备所固有的要素。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、物品或者智能识别设备中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种手势智能识别跟踪方法，其特征在于，所述手势智能识别跟踪方法包括：
获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
2.根据权利要求1所述的手势智能识别跟踪方法，其特征在于，所述获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，具体包括：
接收所述摄像头发送的多帧手势图像，将多帧手势图像的当前分辨率进行缩放处理得到预设分辨率；
将多帧预设分辨率的手势图像的当前图片格式转换为预设图片格式，得到第一手势图像。
3.根据权利要求1所述的手势智能识别跟踪方法，其特征在于，所述推理模型为通过多个同类图像数据建立的数据表或数据库。
4.根据权利要求3所述的手势智能识别跟踪方法，其特征在于，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，具体包括：
基于所述推理模型根据所述第二手势图像，类比计算出与数据表或数据库中相似度最高的图像数据，以识别所述第二手势图像的图像类别，根据所述图像类别确定手势形状；
根据确定的所述手势形状在所述第二手势图像标记手势坐标位置，转化为鼠标坐标值，形成形状框图。
5.根据权利要求1所述的手势智能识别跟踪方法，其特征在于，所述基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置，之后还包括：
对所述第二手势图像的所述手势坐标位置进行结果渲染处理。
6.根据权利要求5所述的手势智能识别跟踪方法，其特征在于，所述对所述第二手势图像的所述手势坐标位置进行结果渲染处理，之后还包括：
将所述手势坐标位置进行坐标转换处理，以得到所述手势坐标位置在所述显示屏上的位置。
7.根据权利要求1-6任一项所述的手势智能识别跟踪方法，其特征在于，所述预设图片格式包括proto格式。
8.一种手势智能识别跟踪系统，其特征在于，所述手势智能识别跟踪系统包括：
图像采集转换模块，用于获取用户的手势图像，将所述手势图像进行图像转换处理得到第一手势图像，所述手势图像由摄像头采集用户的手势得到；
图像预处理模块，用于将所述第一手势图像进行图片预处理，得到第二手势图像，并将所述第二手势图像输入到推理模型；
图像识别标记模块，用于基于所述推理模型识别所述第二手势图像中的手势形状，并在所述第二手势图像标记手势坐标位置；
手势位置显示模块，用于将所述手势坐标位置发送到智能电视的显示屏，控制所述显示屏显示所述手势坐标位置。
9.一种智能识别设备，其特征在于，所述智能识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的手势智能识别跟踪程序，所述手势智能识别跟踪程序被所述处理器执行时实现如权利要求1-7任一项所述的手势智能识别跟踪方法的步骤。
10.一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存储有手势智能识别跟踪程序，所述手势智能识别跟踪程序被处理器执行时实现如权利要求1-7任一项所述的手势智能识别跟踪方法的步骤。
CN202310822348.8A 2023-07-05 2023-07-05 一种手势智能识别跟踪方法及相关设备 Pending CN116909394A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310822348.8A CN116909394A (zh) 2023-07-05 2023-07-05 一种手势智能识别跟踪方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310822348.8A CN116909394A (zh) 2023-07-05 2023-07-05 一种手势智能识别跟踪方法及相关设备

Publications (1)

Publication Number Publication Date
CN116909394A true CN116909394A (zh) 2023-10-20

Family

ID=88359490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310822348.8A Pending CN116909394A (zh) 2023-07-05 2023-07-05 一种手势智能识别跟踪方法及相关设备

Country Status (1)

Country Link
CN (1) CN116909394A (zh)

Similar Documents

Publication Publication Date Title
CN104463152B (zh) 一种手势识别方法、系统、终端设备及穿戴式设备
CN111832468A (zh) 基于生物识别的手势识别方法、装置、计算机设备及介质
CN108509026B (zh) 基于增强交互方式的远程维修支持系统及方法
Miah et al. Rotation, Translation and Scale Invariant Sign Word Recognition Using Deep Learning.
WO2013075466A1 (zh) 一种基于图像传感模块的字符输入方法、装置及终端
CN113961067B (zh) 基于深度学习的非接触式涂鸦绘制方法与识别交互系统
CN113627397B (zh) 一种手部姿态识别方法、系统、设备和存储介质
CN105045399A (zh) 一种具有3d摄像组件的电子设备
JP2010531010A (ja) 画像と形状記述子とのマッチング
CN112464833A (zh) 基于光流的动态手势识别方法、装置、设备及存储介质
CN105068662A (zh) 一种用于人机交互的电子设备
CN113743362A (zh) 基于深度学习的实时矫正训练动作的方法及其相关设备
Zahra et al. Camera-based interactive wall display using hand gesture recognition
Rehman et al. Two hand gesture based 3d navigation in virtual environments
JP6051991B2 (ja) 信号処理装置、信号処理方法、及び信号処理プログラム
CN109725722B (zh) 有屏设备的手势控制方法和装置
CN116909394A (zh) 一种手势智能识别跟踪方法及相关设备
CN111950341A (zh) 一种基于机器视觉的实时手势识别方法及手势识别系统
Zholshiyeva et al. Human-machine interactions based on hand gesture recognition using deep learning methods.
Soroni et al. Hand Gesture Based Virtual Blackboard Using Webcam
CN101446859B (zh) 一种基于机器视觉的输入方法及其系统
Guo et al. A novel method for data glove-based dynamic gesture recognition
CN114816054B (zh) 一种基于物联网的显示器手势动态控制系统及方法
CN205080500U (zh) 一种具有3d摄像组件的电子设备
CN116152931B (zh) 一种手势识别方法及vr系统

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