CN117492373B - 基于手势识别控制的智能家居系统 - Google Patents

Abstract

本发明公开了基于手势识别控制的智能家居系统，具体涉及手势识别技术领域，包括识别响应分析模块、深度运行状态分析模块、环境判断模块以及可用预警模块；通过采集识别响应信息和深度传感器稳定信息评估手势识别的可用性，并通过将手势转化颠簸评估值和深度帧率变异指数进行归一化处理计算手势识别可用预警系数，通过手势识别可用预警系数与手势识别评估阈值的比较，可用性预警模块可以在手势识别出现问题之前提前检测到潜在的性能下降或故障情况，使得维护人员可以及时采取措施来检查和维修手势识别系统；用户可以享受到高质量的手势识别与智能家居的交互体验，有助于提高用户的满意度。

Description

基于手势识别控制的智能家居系统

技术领域

本发明涉及手势识别技术领域，更具体地说，本发明涉及基于手势识别控制的智能家居系统。

背景技术

随着智能家居技术的飞速发展，越来越多的人享受着智能设备带来的便利和舒适。现存在通过对手势进行识别来控制智能家居，通过摄像头以及深度传感器识别用户的手势并将其转换为特定命令，以控制各种智能家居设备，提供了一种更自然、更直观的智能家居控制方式，还提高了可能难以使用传统控制方法的身体残疾人士的可访问性。

但是基于手势进行识别对智能家居进行控制的过程中，在手势进行识别的过程中会存在识别用户的手势并将其转换为特定命令的过程运行不稳定的情况，在手势进行识别的过程不佳时，通常是在识别用户的手势并将其转换为特定命令的过程发生故障后，再发出警报，然后采取相应的检修措施，不能提前对识别用户的手势并将其转换为特定命令的过程在发生故障前进行提前预警；由于通过对手势进行识别来控制智能家居是多用于残疾人士，会对残疾人士的生活带来不便，甚至影响他们的安全。

为了解决上述问题，现提供一种技术方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供基于手势识别控制的智能家居系统以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于手势识别控制的智能家居系统，包括识别响应分析模块、深度运行状态分析模块、环境判断模块以及可用预警模块；

识别响应分析模块采集识别响应信息，通过对识别响应信息进行分析计算手势捕捉糟糕率和手势处理响应评估值，通过对手势捕捉糟糕率和手势处理响应评估值加权处理计算得到手势转化颠簸评估值；

深度运行状态分析模块采集深度传感器稳定信息，深度传感器稳定信息通过深度帧率变异指数体现；

环境判断模块获取识别光照度，通过判断识别光照度是否在可识别光照范围内，环境判断模块生成光照度不达标信号或光照度达标信号；

可用预警模块在环境判断模块生成光照度达标信号时，将手势转化颠簸评估值和深度帧率变异指数进行归一化处理，根据归一化处理后的手势转化颠簸评估值和深度帧率变异指数计算手势识别可用预警系数；

可用预警模块通过手势识别可用预警系数与手势识别评估阈值的比较，可用预警模块生成手势识别运行预警信号或手势识别运行正常信号。

在一个优选的实施方式中，手势转化颠簸评估值的具体获取逻辑为：设定识别性能监测区间；获取在识别性能监测区间内进行手势识别的数量，并获取每次手势识别对应的手势捕捉时间；

设定手势捕捉时间阈值；获取在识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量；计算手势捕捉糟糕率，手势捕捉糟糕率为识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量与识别性能监测区间内进行手势识别的数量的比值；将手势捕捉糟糕率标记为sszv。

在一个优选的实施方式中，获取识别性能监测区间内每个手势识别对应的手势处理时间，设定手势处理时间阈值；获取非正常手势处理时间；

获取识别性能监测区间内非正常手势处理时间的数量，并对识别性能监测区间内的非正常手势处理时间进行编号，计算手势处理响应评估值，其表达式为：其中，m、p分别为识别性能监测区间内非正常手势处理时间的数量和识别性能监测区间内非正常手势处理时间的编号；p＝1、2、3、4、......、m，m、p均为大于1的正整数；sscp、fzt_p、scy分别为手势处理响应评估值、识别性能监测区间内第p个非正常手势处理时间以及手势处理时间阈值。

在一个优选的实施方式中，非正常手势处理时间为在识别性能监测区间内手势识别对应的手势处理时间大于手势处理时间阈值的手势识别对应的手势处理时间。

在一个优选的实施方式中，手势转化颠簸评估值的表达式为：szdp＝a*sszv+b*sscp，其中，szdp、a、b分别为手势转化颠簸评估值、手势捕捉糟糕率的权重以及手势处理响应评估值的权重，a、b均大于0，且a、b是固定值。

在一个优选的实施方式中，深度帧率变异指数体现的获取逻辑为：

设定帧率稳定监测区间；在帧率稳定监测区间内均等获取到n个深度帧率，深度帧率为深度传感器每秒生成的深度图像帧数；

对帧率稳定监测区间内获取到n个深度帧率进行编号，计算深度帧率变异指数，其表达式为：其中，n、q分别为在帧率稳定监测区间内深度帧率的数量和在帧率稳定监测区间内深度帧率的编号，q＝1、2、3、4、......、n，n、q均为大于1的正整数；szbz、sdz_q+1、sdz_q分别为深度帧率变异指数、在帧率稳定监测区间内第q+1个深度帧率以及在帧率稳定监测区间内第q个深度帧率。

在一个优选的实施方式中，设定可识别光照范围；判断识别光照度是否在可识别光照范围内：

当识别光照度不在可识别光照范围内，环境判断模块生成光照度不达标信号；当识别光照度处于可识别光照范围内，环境判断模块生成光照度达标信号。

在一个优选的实施方式中，手势识别可用预警系数的表达式为：其中，skyx为手势识别可用预警系数，α₁、α₂分别为手势转化颠簸评估值和深度帧率变异指数的预设比例系数，α₁、α₂均大于0；

设定手势识别评估阈值；当手势识别可用预警系数大于手势识别评估阈值，可用预警模块生成手势识别运行预警信号；

当手势识别可用预警系数小于等于手势识别评估阈值，可用预警模块生成手势识别运行正常信号。

本发明基于手势识别控制的智能家居系统的技术效果和优点：

通过将手势转化颠簸评估值和深度帧率变异指数进行归一化处理计算手势识别可用预警系数，并通过手势识别可用预警系数与手势识别评估阈值的比较，可用性预警模块可以在手势识别出现问题之前提前检测到潜在的性能下降或故障情况，使得维护人员可以及时采取措施来检查和维修手势识别系统。用户可以享受到高质量的手势识别与智能家居的交互体验，有助于提高用户的满意度。

附图说明

图1为本发明基于手势识别控制的智能家居系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

图1给出了本发明基于手势识别控制的智能家居系统的结构示意图，基于手势识别控制的智能家居系统，包括识别响应分析模块、深度运行状态分析模块、环境判断模块以及可用预警模块。

识别响应分析模块采集识别响应信息，通过对识别响应信息进行分析计算手势捕捉糟糕率和手势处理响应评估值，通过对手势捕捉糟糕率和手势处理响应评估值加权处理计算得到手势转化颠簸评估值。

深度运行状态分析模块采集深度传感器稳定信息，深度传感器稳定信息通过深度帧率变异指数体现。

环境判断模块获取识别光照度，通过判断识别光照度是否在可识别光照范围内，环境判断模块生成光照度不达标信号或光照度达标信号。

可用预警模块在环境判断模块生成光照度达标信号时，将手势转化颠簸评估值和深度帧率变异指数进行归一化处理，根据归一化处理后的手势转化颠簸评估值和深度帧率变异指数计算手势识别可用预警系数。

可用预警模块通过手势识别可用预警系数与手势识别评估阈值的比较，可用预警模块生成手势识别运行预警信号或手势识别运行正常信号。

识别响应分析模块采集识别响应信息，识别响应信息反映了手势识别中捕捉到的手势的响应情况以及对手势识别的响应性能好坏，通过监测和分析识别响应信息，可以及时检测到手势识别性能下降或出现问题的情况。通过处理将这些手势转换为命令，以控制不同的智能家居设备，例如开灯/关灯、调节温度或打开/关闭窗帘。

识别响应信息通过手势转化颠簸评估值体现；手势转化颠簸评估值的具体获取逻辑为：

设定识别性能监测区间，识别性能监测区间对应的时间长度是依据实际对手势识别的监测需求等情况进行设定，识别性能监测区间对应的时间长度是固定的，且识别性能监测区间是随着实时的时间变化而进行变化，即识别性能监测区间的一个临界点始终为实时的时间点。

获取在识别性能监测区间内进行手势识别的数量，并获取每次手势识别对应的手势捕捉时间，每个手势识别对应一个手势捕捉时间；手势捕捉时间越短，说明手势识别的响应越快，即手势识别的性能越好。

设定手势捕捉时间阈值；获取在识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量；计算手势捕捉糟糕率，手势捕捉糟糕率为识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量与识别性能监测区间内进行手势识别的数量的比值。将手势捕捉糟糕率标记为sszv。

手势捕捉糟糕率越大，在识别性能监测区间内手势捕捉的响应性能越差，对手势识别的整体的性能的不利影响越大。

获取识别性能监测区间内每个手势识别对应的手势处理时间，设定手势处理时间阈值；获取非正常手势处理时间。

获取识别性能监测区间内非正常手势处理时间的数量，并对识别性能监测区间内的非正常手势处理时间进行编号，分析识别性能监测区间内非正常手势处理时间的具体超出手势处理时间阈值的程度，计算手势处理响应评估值，其表达式为：其中，m、p分别为识别性能监测区间内非正常手势处理时间的数量和识别性能监测区间内非正常手势处理时间的编号；p＝1、2、3、4、......、m，m、p均为大于1的正整数；sscp、fzt_p、scy分别为手势处理响应评估值、识别性能监测区间内第p个非正常手势处理时间以及手势处理时间阈值。

手势处理响应评估值越大，识别性能监测区间内对手势识别的处理的延迟情况越严重，从而会造成用户手势做出后到智能家居接收到指令的时间过长或用户手势做出后到智能家居接收到指令的时间过长的情况越严重；影响手势识别和智能家居的交互过程的稳定性。

值得注意的是，手势处理响应评估值表达式中的“1”是为了防止手势处理响应评估值输出为0。

其中，非正常手势处理时间为在识别性能监测区间内手势识别对应的手势处理时间大于手势处理时间阈值的手势识别对应的手势处理时间。

值得注意的是，手势捕捉时间为摄像头从手势发生至开始识别手势的时间间隔。手势处理时间为开始处理手势的时间点至控制命令发送到智能家居的时间点之间的时间间隔。

手势捕捉时间阈值是本领域专业技术人员根据实际中对手势捕捉时间的要求标准等其他实际情况进行设定，手势处理时间阈值是本领域专业技术人员根据实际中对手势处理过程的时间的要求标准等其他实际情况进行设定；此处不再赘述。

将手势捕捉糟糕率和手势处理响应评估值进行去单位处理，再进行加权处理，计算手势转化颠簸评估值，其表达式为：szdp＝a*sszv+b*sscp，其中，szdp、a、b分别为手势转化颠簸评估值、手势捕捉糟糕率的权重以及手势处理响应评估值的权重，a、b均大于0，且a、b是固定值，a、b的大小由本领域专业技术人员根据手势捕捉糟糕率和手势处理响应评估值的大小以及其他实际情况进行设定，此处不再赘述。

手势转化颠簸评估值越大，在识别性能监测区间内的手势识别转化为命令的性能越糟糕，对手势识别和智能家居的交互过程的稳定性的不利影响越大。

深度运行状态分析模块采集深度传感器稳定信息，深度传感器稳定信息反映了深度传感器在手势识别中稳定性，深度传感器的稳定性直接影响深度测量的准确性，如果深度传感器在运行时不稳定，深度测量可能会变得不准确，导致手势识别错误。

深度传感器稳定信息通过深度帧率变异指数体现，其具体获取逻辑为：

设定帧率稳定监测区间，帧率稳定监测区间对应的时间长度是依据实际对深度传感器生成的深度图像的帧率的监测需求等情况进行设定，帧率稳定监测区间对应的时间长度是固定的，且帧率稳定监测区间是随着实时的时间变化而进行变化，即帧率稳定监测区间的一个临界点始终为实时的时间点。

在帧率稳定监测区间内均等获取到n个深度帧率，n的大小与对深度传感器对应的帧率的监测需求进行设定。深度帧率为深度传感器每秒生成的深度图像帧数。

对帧率稳定监测区间内获取到n个深度帧率进行编号；对帧率稳定监测区间内深度帧率的波动程度进行分析，计算深度帧率变异指数，其表达式为：其中，n、q分别为在帧率稳定监测区间内深度帧率的数量和在帧率稳定监测区间内深度帧率的编号，q＝1、2、3、4、......、n，n、q均为大于1的正整数；szbz、sdz_q+1、sdz_q分别为深度帧率变异指数、在帧率稳定监测区间内第q+1个深度帧率以及在帧率稳定监测区间内第q个深度帧率。

深度帧率变异指数越大，说明深度传感器在帧率稳定监测区间内的帧率变化程度越大，帧率的大幅波动可能导致手势识别的不稳定性；由于帧率的不确定性，会在不同时间点接收到不同数量的深度帧，这可能导致手势识别算法在不同帧之间的数据不一致，从而降低了识别的稳定性；帧率的不稳定性还可能导致识别延迟或不一致性，例如，如果在某一时刻帧率下降，可能无法及时捕捉到用户的手势动作，从而影响了实时性能。

环境判断模块通过光照环境判断手势识别是否能够启用，以确保手势识别的准确性，进而使得手势识别对应的命令准确的应用于智能家居。

环境判断模块获取识别光照度，识别光照度的获取方法为：

使用光照度计对手势识别对应的环境的光照度进行测量，从而获取识别光照度；光照度计对手势识别对应的环境可以为卧室、客厅等场景。

设定可识别光照范围；可识别光照范围是本领域专业技术人员根据实际中对手势识别的环境光照的要求标准等其他实际情况进行设定，此处不再赘述。

判断识别光照度是否在可识别光照范围内：

当识别光照度不在可识别光照范围内，环境判断模块生成光照度不达标信号，此时关闭手势识别，此时若启用手势识别，会造成对手势识别进行误识别或无法识别手势的情况。

当识别光照度处于可识别光照范围内，环境判断模块生成光照度达标信号；此时光照对手势识别的影响较小或没有，可以进行手势识别。

可用预警模块将识别响应信息和深度传感器稳定信息进行综合分析，从而对手势识别的运行状态进行评估，对手势识别的可用性进行提前预警，从而在手势识别发生故障之前采取相关措施保证手势识别的可用性。

当环境判断模块生成光照度达标信号，可用预警模块将手势转化颠簸评估值和深度帧率变异指数进行归一化处理，根据归一化处理后的手势转化颠簸评估值和深度帧率变异指数计算手势识别可用预警系数，手势识别可用预警系数的表达式为：其中，skyx为手势识别可用预警系数，α₁、α₂分别为手势转化颠簸评估值和深度帧率变异指数的预设比例系数，α₁、α₂均大于0。

手势识别可用预警系数越大，表示手势识别系统的性能越差或不稳定，会对手势识别和智能家居的交互过程产生以下影响：

不稳定的手势识别：较大的手势识别可用预警系数表示手势识别系统对捕捉到的手势响应不稳定，手势可能被错误地识别或未被识别，导致用户的手势控制不准确。

高误报率和漏报率：不稳定的手势识别系统可能导致高误报率(错误地识别手势)和高漏报率(未能识别手势)；这会导致用户的操作命令不可靠，降低了用户体验。

交互流畅性下降：手势识别的不稳定性可能导致与智能家居设备的交互过程不流畅，降低整体交互的效率和可用性。

设定手势识别评估阈值，可用预警模块通过手势识别可用预警系数与手势识别评估阈值的比较，对手势识别的可用性进行评估：

当手势识别可用预警系数大于手势识别评估阈值，可用预警模块生成手势识别运行预警信号；此时手势识别的性能存在问题，已经不能正常的进行手势识别或即将发生手势识别故障的概率较大，根据可用预警模块生成的手势识别运行预警信号，立即将手势识别运行预警信号发送至用户，并安排专业技术人员对手势识别的功能进行检查和维修。

当手势识别可用预警系数小于等于手势识别评估阈值，可用预警模块生成手势识别运行正常信号；此时手势识别正常运行，无需采取措施。

手势识别评估阈值是本领域专业技术人员根据手势识别可用预警系数的大小，以及本领域中对手势识别的要求标准等其他实际情况进行设定，此处不再赘述。

通过计算手势识别可用预警系数，并通过手势识别可用预警系数与手势识别评估阈值的比较，可用性预警模块可以在手势识别出现问题之前提前检测到潜在的性能下降或故障情况，使得维护人员可以及时采取措施来检查和维修手势识别系统。用户可以享受到高质量的手势识别与智能家居的交互体验，有助于提高用户的满意度。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)，或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其他的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但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，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于手势识别控制的智能家居系统，其特征在于：包括识别响应分析模块、深度运行状态分析模块、环境判断模块以及可用预警模块；

识别响应分析模块采集识别响应信息，通过对识别响应信息进行分析计算手势捕捉糟糕率和手势处理响应评估值，通过对手势捕捉糟糕率和手势处理响应评估值加权处理计算得到手势转化颠簸评估值；

深度运行状态分析模块采集深度传感器稳定信息，深度传感器稳定信息通过深度帧率变异指数体现；

环境判断模块获取识别光照度，通过判断识别光照度是否在可识别光照范围内，环境判断模块生成光照度不达标信号或光照度达标信号；

可用预警模块在环境判断模块生成光照度达标信号时，将手势转化颠簸评估值和深度帧率变异指数进行归一化处理，根据归一化处理后的手势转化颠簸评估值和深度帧率变异指数计算手势识别可用预警系数；

可用预警模块通过手势识别可用预警系数与手势识别评估阈值的比较，可用预警模块生成手势识别运行预警信号或手势识别运行正常信号；

手势转化颠簸评估值的具体获取逻辑为：设定识别性能监测区间；获取在识别性能监测区间内进行手势识别的数量，并获取每次手势识别对应的手势捕捉时间；

设定手势捕捉时间阈值；获取在识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量；计算手势捕捉糟糕率，手势捕捉糟糕率为识别性能监测区间内手势识别对应的手势捕捉时间大于手势捕捉时间阈值的数量与识别性能监测区间内进行手势识别的数量的比值；将手势捕捉糟糕率标记为；

获取识别性能监测区间内每个手势识别对应的手势处理时间，设定手势处理时间阈值；获取非正常手势处理时间；

获取识别性能监测区间内非正常手势处理时间的数量，并对识别性能监测区间内的非正常手势处理时间进行编号，计算手势处理响应评估值，其表达式为：，其中，分别为识别性能监测区间内非正常手势处理时间的数量和识别性能监测区间内非正常手势处理时间的编号；，均为大于1的正整数；分别为手势处理响应评估值、识别性能监测区间内第个非正常手势处理时间以及手势处理时间阈值；

深度帧率变异指数体现的获取逻辑为：

设定帧率稳定监测区间；在帧率稳定监测区间内均等获取到个深度帧率，深度帧率为深度传感器每秒生成的深度图像帧数；

对帧率稳定监测区间内获取到个深度帧率进行编号，对帧率稳定监测区间内深度帧率的波动程度进行分析，计算深度帧率变异指数，其表达式为：，其中，分别为在帧率稳定监测区间内深度帧率的数量和在帧率稳定监测区间内深度帧率的编号，，均为大于1的正整数；分别为深度帧率变异指数、在帧率稳定监测区间内第个深度帧率以及在帧率稳定监测区间内第个深度帧率。

2.根据权利要求1所述的基于手势识别控制的智能家居系统，其特征在于：非正常手势处理时间为在识别性能监测区间内手势识别对应的手势处理时间大于手势处理时间阈值的手势识别对应的手势处理时间。

3.根据权利要求2所述的基于手势识别控制的智能家居系统，其特征在于：手势转化颠簸评估值的表达式为：，其中，分别为手势转化颠簸评估值、手势捕捉糟糕率的权重以及手势处理响应评估值的权重，均大于0，且是固定值。

4.根据权利要求3所述的基于手势识别控制的智能家居系统，其特征在于：设定可识别光照范围；判断识别光照度是否在可识别光照范围内：

当识别光照度不在可识别光照范围内，环境判断模块生成光照度不达标信号；当识别光照度处于可识别光照范围内，环境判断模块生成光照度达标信号。

5.根据权利要求4所述的基于手势识别控制的智能家居系统，其特征在于：手势识别可用预警系数的表达式为：，其中，为手势识别可用预警系数，分别为手势转化颠簸评估值和深度帧率变异指数的预设比例系数，均大于0；

设定手势识别评估阈值；当手势识别可用预警系数大于手势识别评估阈值，可用预警模块生成手势识别运行预警信号；

当手势识别可用预警系数小于等于手势识别评估阈值，可用预警模块生成手势识别运行正常信号。