JP2020184147A - ジェスチャ認識装置及びジェスチャ認識装置用プログラム - Google Patents

Abstract

【課題】撮像画像に基づいてユーザのジェスチャを認識するものであって、ジェスチャを開始するのに適した初期位置をユーザが把握でき、ジェスチャの誤認識を低減できるジェスチャ認識装置を提供する。【解決手段】ユーザの手を撮像する撮像手段を備え、当該撮像手段が撮像した撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識装置であって、前記撮像画像に映る前記ユーザの手形状を認識し、当該認識した手形状が少なくとも１本の指を立てた手形状である場合に、前記ユーザの手がジェスチャを開始するのに適した初期位置にあると判定する初期位置判定部と、前記ユーザの手が前記初期位置にあると判定されると、ジェスチャを開始してよい旨を前記ユーザに報知する報知部とを備えるジェスチャ認識装置。【選択図】図３

Description

本発明は、ジェスチャ認識装置及びジェスチャ認識装置用プログラムに関する。

近年、ユーザの手指等によるジェスチャを認識し、これにより種々の操作を受け付けるようにしたジェスチャ認識装置が開発されている。このようなジェスチャ認識装置として、例えば特許文献１には、ユーザの手指等の動きをカメラで撮像し、その撮像画像からジェスチャを認識することで、触れることなく車載機器を操作できるようにしたものが開示されている。

特開２０１５−１８４８４１号公報

しかしながら、先行文献１に示されるような、カメラ等でユーザの手指の動きを撮像するようにしたジェスチャ認識装置では、カメラ等の撮像範囲が見えないため、使い慣れていないユーザとってはジェスチャを開始するのに適した初期位置を把握することが難しい。そのため、適切でない位置で手指を動かすことで、ジェスチャが認識されなかったり、ユーザが意図していないジェスチャが誤認識されてしまったりすることがある。

本発明はこのような問題に鑑みてなされたものであり、撮像画像に基づいてユーザのジェスチャを認識するものであって、ジェスチャを開始するのに適した初期位置をユーザが把握でき、ジェスチャの誤認識を低減できるジェスチャ認識装置を提供することを主たる所期課題とするものである。

本発明者らは、上記課題を解決するため鋭意検討した結果、ジェスチャを行う手がカメラに近すぎる場合には、手指がカメラの画角（撮像範囲）からはみ出してしまうことでユーザの手形状が認識されず、一方で手がカメラから遠すぎる場合には、カメラの画素分解能が不十分となることでユーザの手形状が認識されず、これによりジェスチャが正しく認識されないことに着眼した。そこで、ユーザの手指が撮像範囲からはみ出さず、かつ撮像手段の画素分解能が足りる位置にある場合にこれをユーザに報知することで、ユーザはジェスチャを開始するのに適した位置を把握でき、ジェスチャの誤認識を低減できることを見出し本発明に至った。

すなわち本発明に係るジェスチャ認識装置は、ユーザの手を撮像する撮像手段を備え、当該撮像手段が撮像した撮像画像に基づいて前記ユーザの手のジェスチャを認識するものであって、前記撮像画像に映る前記ユーザの手形状を認識し、その結果に基づき前記ユーザの手がジェスチャを開始するのに適した初期位置にあるかを判定する初期位置判定部と、前記ユーザの手が前記初期位置にあると判定されると、ジェスチャを開始してよい旨を前記ユーザに報知する報知部とを備え、前記初期位置判定部が、少なくとも１本の指を立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定することを特徴とする。

このようなものであれば、少なくとも一本の指を立てた手形状が認識される位置を初期位置とし、そのような初期位置にユーザの手がある場合にジェスチャを開始してよい旨を報知するようにしているので、ユーザは、ジェスチャを開始するのに適した位置（撮像手段との適切な距離感）を容易に把握でき、ジェスチャの誤認識を低減することができる。ここで“少なくとも一本の指を立てた手形状が認識される位置”を初期位置とすることにより、ユーザは、撮像手段に近すぎずかつ遠すぎない位置、すなわち撮像手段の画角内に手指が収まり、かつ手指を認識するのに撮像手段の画素分解能が足りる位置でジェスチャを開始することができるので、ジェスチャの誤認識を低減することができるのである。

前記ジェスチャ認識装置は、前記初期位置判定部が、複数本の指を互いに離して立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定することが好ましく、５本の指を互いに離して立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定することがより好ましい。
撮像手段からの距離が同じであれば、撮像手段の撮像範囲のより中心に近い位置でジェスチャを行うほど誤認識を低減することができる。そのため、複数本の指を互いに離して立てた手形状を認識できる位置を初期位置とし、この位置に手がある場合にこれを報知することで、撮像手段の撮像範囲のより中心に近い位置でジェスチャを開始することができ、ジェスチャの誤認識をより低減できる。５本の指を互いに離して立てた手形状を認識できる位置を初期位置とすることで、ジェスチャの誤認識をより一層低減できる位置でジェスチャを行うことができる。
またこのようにすれば、ユーザが５本の指を互いに離して立てた手形状を作ったとしても、その手が撮像手段に対して正対しておらず傾いている場合には、撮像画像において指が重なってしまい５本の指が認識されないので、ユーザの手が初期位置にあると判定されない。ユーザが５本の指を互いに離して立てた手形状を撮像手段に正対させ、撮像画像において５本の指が認識される場合にのみユーザの手が初期位置にあると判定されるので、ジェスチャの誤認識をより一層低減できる位置でジェスチャを行うことができる。

前記ジェスチャ認識装置は、前記初期位置判定部が、前記認識した手形状の面積が所定の範囲内である場合に、前記ユーザの手が前記初期位置にあると判定することが好ましい。
このようにすれば、ユーザは撮像手段からのより適切な距離感を把握でき、より適切な位置でジェスチャを開始することができるので、ジェスチャの誤認識をより一層低減できる。

前記ジェスチャ認識装置は、少なくとも１本の指を立てた手形状を継続して所定時間以上認識した場合に、前記ユーザの手が前記初期位置にあると判定することが好ましい。
このようにすれば、ユーザの手が初期位置で安定している状態でジェスチャを開始できるので、ジェスチャの誤認識をより一層低減できる。

前記ジェスチャ認識装置は、前記撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識部を備え、前記ジェスチャ認識部は前記ユーザの手が前記初期位置にあると判定された後にジェスチャの認識を行うことが好ましい。
このようにすれば、ユーザの手が初期位置にない場合にはジェスチャが認識されないので、適切でない位置でジェスチャが行われることによる誤認識をより低減できる。

前記ジェスチャ認識装置において、前記報知部は、前記ユーザの手が前記初期位置にないと判定されると、前記ユーザの手を前記初期位置に誘導するための誘導情報を前記ユーザに報知することが好ましい。
このようなものであれば、ユーザはジェスチャ操作に適した初期位置をより簡単に把握することができる。

また、本発明のジェスチャ認識装置用のプログラムは、ユーザの手を撮像する撮像手段を備え、当該撮像手段が撮像した撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識装置用のプログラムであって、前記撮像画像に映る前記ユーザの手形状を認識し、認識した手形状が少なくとも１本の指を立てた手形状である場合に、前記ユーザの手がジェスチャを開始するのに適した初期位置にあると判定する初期位置判定部としての機能と、前記ユーザの手が前記初期位置にあると判定されると、ジェスチャを開始してよい旨を前記ユーザに報知する報知部としての機能とをコンピュータに発揮させることを特徴とする。

このようなジェスチャ認識装置用のプログラムであれば、上記したジェスチャ認識装置と同様の作用効果を奏し得る。

このようにした本発明によれば、撮像画像に基づいてユーザのジェスチャを認識するものであって、ジェスチャを開始するのに適した初期位置をユーザが把握でき、ジェスチャの誤認識を低減できるジェスチャ認識装置を提供することができる。

本発明の一実施形態におけるジェスチャ認識装置の構成を模式的に示す斜視図。 同実施形態のジェスチャ認識装置の機器構成を示す図。 同実施形態のジェスチャ認識装置の機能ブロック図。 同実施形態のジェスチャ認識装置の動作フロー図。 同実施形態のジェスチャ認識装置の動作を説明する図。 同実施形態のジェスチャ認識装置の動作を説明する図。 同実施形態のジェスチャ認識装置の動作を説明する図。

以下に、本発明の一実施形態に係るジェスチャ認識装置１００について図面を参照して説明する。

本実施形態に係るジェスチャ認識装置１００は、ジェスチャによるコンピュータの操作を支援するためのものである。具体的には、ボタンや音声によって行われていた入力動作をユーザのジェスチャで代替するものであり、ユーザの手のジェスチャを認識して、当該ジェスチャに応じた所定の出力を行うものである。より具体的にこのジェスチャ認識装置１００は、図１に示すように、ユーザの手を撮像する撮像手段１と、コンピュータ本体２及びディスプレイ３を一体的に有するコンピュータとを備えている。ディスプレイ３には例えばアイコンやマップ等の操作対象が表示され、ユーザは撮像手段１の撮像領域内で所定のジェスチャを行うことで、ディスプレイ３に表示されている操作対象を非接触で操作できるようになっている。なお本実施形態のジェスチャ認識装置１００は、撮像手段１とユーザの手との距離を計測する測距センサ等を備えていない。

撮像手段１は、ユーザの手（手指を含む）を一定の時間間隔で撮像して、その撮像画像を示す画像データをコンピュータ本体２に逐次出力するものである。この撮像手段１は、具体的には赤外線カメラを備えたものである。ここでは実効画素数：１６０×１２０の画像データを３０ｆｐｓのフレームレートで出力するように構成されているが、これに限らない。撮像手段１は所謂取付けタイプのものであり、前記赤外線カメラがユーザ側を向くようにしてディスプレイ３の下部に取付けられている。なお、撮像手段１は赤外線カメラに限らず、フルカラーのイメージセンサや熱検知素子をアレイ化したセンサを利用したものであってもよい。また取付けタイプに限らず、ディスプレイ３と一体型であってもよい。また撮像手段１は、ディスプレイ３の上部に取り付けられてもよく、ユーザの手元ディスプレイ３と離れた個所に設置されてもよい。

コンピュータ本体２は、構造的には、図２に示すように、ＣＰＵ２０１、メモリ２０２、入出力インターフェース２０３等を備えている。このコンピュータ本体２は、前記メモリ２０２に記憶させた各種のアプリケーションソフトウェア（以下、プログラムと言う）に基づいて、前記ＣＰＵ２０１やその周辺機器が協働することにより、図３に示すように、画像データ受付部２１、ジェスチャ認識部２２、コマンド出力部２３、表示制御部等としての機能を実現するように構成されている。以下、各部について説明する。

画像データ受付部２１は、撮像手段１の出力部が出力した画像データを受け付け、これをジェスチャ認識部２２に送信するものである。

ジェスチャ認識部２２は、受け付けた画像データが示す撮像画像に基づいて、ユーザにより行われたジェスチャを認識する。具体的にこのジェスチャ認識部２２は、受け付けた画像データを処理し、例えばユーザの手の輪郭、指先の位置、指の股の位置、指の関節位置、指の関節の角度、画像内における手の重心位置及び手の面積等を認識し、これらに基づいてユーザが行ったジェスチャを認識する。そしてこの認識したジェスチャを示すジェスチャデータを、コマンド出力部２３に送信する。

ここでジェスチャ認識部２２が認識可能なジェスチャは、例えば上下・左右方向へのフリック動作及びスワイプ動作、右回り・左周り方向へのサークル動作、プッシュ・プル動作、ピンチイン・ピンチアウト動作、指を立てる・ＯＫサイン等を作るポージング動作等の手（手指を含む）の動きによるジェスチャである。

コマンド出力部２３は、受け付けたジェスチャデータが示すジェスチャに対応するコマンドをコマンドデータとして図示しない制御部に出力する。コマンドデータが示すコマンドは、ディスプレイ３に表示されている操作対象を操作するコマンドである。例えば、ディスプレイ３に表示されているアイコンの選択、画面の切り替え、画像やマップの拡大・縮小・スクロール等、ユーザが設定可能な任意の操作である。

ディスプレイ３は、コンピュータ本体２から出力される表示データが示す画像をその画面上に表示するものである。このディスプレイ３は、コンピュータ本体２と一体になっているものに限らず、コンピュータ本体２から分離されたものであってもよい。

しかして本実施形態のジェスチャ認識装置１００では、初期位置判定部２４及び報知部２５としての機能がコンピュータ本体２に更に付与されている。

初期位置判定部２４は、撮像手段１が撮像した撮像画像に映るユーザの手形状を認識し、その結果に基づいて、ユーザの手がジェスチャを開始するのに適した（すなわち、ジェスチャを行った際に誤認識される可能性が低い）初期位置にあるかを判定する。

具体的にこの初期位置判定部２４は、画像データ受付部２１から画像データを受信してこれを処理し、ユーザの手形状を認識する。より具体的には、受け付けた画像データが示す画像から、例えばユーザの手の輪郭、指先の位置、指の股の位置、画像内における手の重心位置及び手の面積等を認識し、これらに基づいてユーザの手形状を認識する。そして当該認識した手形状が予めメモリ２０２に記憶した所定の条件を満たす場合に、ユーザの手が初期位置にあると判定し、その旨を示す判定結果データを報知部２５及びジェスチャ認識部２２に出力する。

初期位置判定部２４は、認識した手形状が複数本（具体的には５本）の指を互いに離して立てた手形状である場合に、ユーザの手が初期位置にあると判定する。より具体的には、複数本（具体的には５本）の指の指先と、当該複数本の指の間の４つの股（すなわち付け根）とが、撮像画像に映る（すなわち撮像手段１の画角に収まっている）手形状である場合に、ユーザの手が初期位置にあると判定する。

本実施形態の初期位置判定部２４は、上記した手形状を認識し、さらにその面積（撮像画像における、認識した手の輪郭により囲まれる面積）が所定範囲内である場合に、ユーザの手が初期位置にあると判定するようにしている。ここでは認識した手形状の面積が、２００画素以上８０００画素以下の範囲である場合にユーザの手が初期位置にあると判定する。なお、使用する撮像手段１のセンサの実効画素数に対する手形状の面積（画素数）が４０％以下である場合にユーザの手が初期位置にあると判定することが好ましく、３５％以下である場合がより好ましく、３０％以下であることがより好ましい。このようにすることで、ユーザはより誤認識が少ない初期位置でジェスチャを開始することができる。すなわち、このようにすれば、ジェスチャを開始した後、手が多少撮像手段１側に近づいたとしても、撮像手段１の画角から手がはみ出にくくなるので、ジェスチャの誤認識をより低減できる。

さらに本実施形態では、初期位置判定部２４は、認識した手形状が前記した条件を所定時間以上（具体的には０．１秒以上）継続して満たした場合に、ユーザの手が初期位置にあると判定するようにしている。

一方で、初期位置判定部２４は、画像データに基づき認識した手形状が予めメモリ２０２に記憶した所定の条件を満たさない場合には、ユーザの手が初期位置にないと判定し、その旨を示す判定結果データを報知部２５に出力する。さらにこの場合、初期位置判定部２４は、認識した手形状に基づき、ユーザの手を初期位置に誘導するための誘導情報を生成し、これを誘導データとして報知部２５に出力する。

報知部２５は、初期位置判定部２４がユーザの手が初期位置にあると判定すると、その位置でジェスチャを開始してよい旨をユーザに報知する。すなわち、初期位置でジェスチャを行うよう促す旨を報知する。

具体的にこの報知部２５は、ユーザの手が初期位置にある旨を示す判定結果データを初期位置判定部２４から受け取ると、ジェスチャを開始してよい旨を示す報知データを報知手段４に送信する。そして報知手段４によりジェスチャを開始してよい旨が出力される。ここでは、報知部２５はユーザの聴覚を利用してジェスチャを開始してよい旨を報知するようにされており、報知手段４としてコンピュータ本体２に備えられたスピーカ（図示しない）を用いている。より具体的には、報知手段４たるスピーカは、報知データを受け付けるとジェスチャを開始してよい旨を示す音を出す。「ジェスチャを開始してよい旨を示す音」とは、例えば「ジェスチャを開始してください」、「ジェスチャ入力可能です」、「その位置で操作してください」等のユーザにジェスチャ動作の開始を促す音声であってよく、ビープ音等であってもよい。

一方で報知部２５は、ユーザの手が初期位置にない旨を示す判定結果データと、誘導データとを受け取ると、誘導情報を示す報知データを報知手段４に送信する。そして報知手段４（ここではスピーカ）から誘導情報が出力される。出力される誘導情報は、例えば、「手をもう少し右に移動してください。」や「手を動かさないでください」等の手の動きに関する情報であってもよく、「手をしっかり開いてください。」や「手をまっすぐカメラに向けてください」といった、手の形状や向きに関する情報であってもよい。

また本実施形態では、ジェスチャ認識部２２は、ユーザの手が初期位置にある旨を示す判定結果データを受け付けた後、ユーザにより行われるジェスチャを認識するようにされている。具体的にジェスチャ認識部２２は、当該判定結果データを受け付けると、これをトリガとして受け付けた画像データを処理し、ユーザにより行われたジェスチャを認識する。機能的に説明すると、ジェスチャ認識部２２は、初期位置判定部２４によってユーザの手が初期位置にあると判定される前にはジェスチャを認識せず、当該判定がなされた後にジェスチャを認識するようになっている。

次に、このような構成のジェスチャ認識装置１００の動作について、図４〜図７を参照しつつ以下に説明する。ここでディスプレイ３には、地図等の操作対象とともに、「カメラに向かって手を開いてください」等というメッセージが表示されている。

まずユーザは、カメラ（撮像手段１）の撮像範囲内と考える位置に手をかざし、そこでカメラに向かって手を開く。すると、カメラから出力された画像データに基づき、初期位置判定部２４がユーザの手形状を認識する（ステップＳ１）。

初期位置判定部２４は、ユーザの手が初期位置にあるかを判定する（ステップＳ２）。初期位置判定部２４は、認識した手形状が複数本（具体的には５本）の指を互いに離して立てた手形状であって、かつ複数本（５本）の指の指先と、当該複数本の指の間の４つの股（すなわち付け根）とを含む手形状である場合に、ユーザの手が初期位置にあると判定する（ステップＳ４に進む）。一方で、認識した手形状が当該条件を満たさない場合には、ユーザの手が初期位置にないと判定し、ユーザの手を初期位置に誘導するための誘導情報を出力する（ステップＳ３）とともに、ユーザの手形状の認識を続けて行う（ステップＳ１に戻る）。

例えば、ユーザの手が図５の（ａ）に示すＰ位置（カメラからの距離が適切であり、かつカメラから見て真正面の位置）にある場合、初期位置判定部２４には図５の（ｂ）に示すような画像データが送信される。初期位置判定部２４は、当該画像データから、５本の指を互いに離して立てた手形状であって、かつ５本の指の指先とこれらの間の４つの股を含む手形状であることを認識し、ユーザの手が初期位置にあると判定する。

一方でユーザの手が図６の（ａ）に示すＱ位置（カメラからの距離が適切であるが、カメラから見て横にずれた位置）にある場合、初期位置判定部２４には図６の（ｂ）に示すような画像データが送信される。また、ユーザの手がＲ位置（カメラからの距離が適切であるが、カメラから見て下にずれた位置）にある場合、初期位置判定部２４には図６の（ｃ）に示すような画像データが送信される。これらの場合、初期位置判定部２４は、当該画像データから、５本の指を互いに離して立てた手形状であって、かつ５本の指の指先とこれらの間の４つの股を含む手形状であることを認識できず、ユーザの手が初期位置にないと判定する。

また、ユーザの手が図７の（ａ）に示すＳ位置（カメラからの距離が近すぎる位置）にある場合、初期位置判定部２４には図７の（ｂ）に示すような画像データが送信される。この場合、初期位置判定部２４は、当該画像データから、５本の指を互いに離して立てた手形状であって、かつ５本の指の指先とこれらの間の４つの股を含む手形状であることを認識できず、ユーザの手が初期位置にないと判定する。また、ユーザの手が図７の（ａ）に示すＴ位置（カメラからの距離が遠すぎる位置）にある場合、初期位置判定部２４には図７の（ｃ）に示すような画像データが送信される。この場合、初期位置判定部２４は、映っている手が小さすぎるため当該画像データから指先や指股を検出できず、５本の指を互いに離して立てた手形状であって、かつ５本の指の指先とこれらの間の４つの股を含む手形状であることを認識できず、ユーザの手が初期位置にないと判定する。

ユーザの手が初期位置にあると判定されると、報知部２５は、ジェスチャを開始してよい旨をユーザに報知する（ステップＳ４）。具体的には、報知手段４（スピーカ）から「その位置でジェスチャを開始してください」等の音声を発し、ユーザにジェスチャの開始を促す。

そしてユーザがＰ位置（初期位置）でジェスチャを行うと、ジェスチャ認識部２２がそのジェスチャを認識する（ステップＳ５）。そして、コマンド出力部２３によりそのジェスチャに応じたコマンドが出力され、ディスプレイ３に映った操作対象が操作される（ステップＳ６）。

このように構成された本実施形態のジェスチャ認識装置１００によれば、５本の指を互いに離して立てた手形状が認識される位置を初期位置とし、そのような初期位置にユーザの手がある場合にジェスチャを開始してよい旨を報知するようにしているので、ユーザは、ジェスチャを開始するのに適した位置を容易に把握でき、ジェスチャの誤認識を低減することができる。ここで“５本の指を互いに離して立てた手形状が認識される位置”を初期位置とすることにより、ユーザは、撮像手段１に近すぎずかつ遠すぎない位置、すなわち撮像手段１の画角内に手指が収まり、かつ手指を認識するのに撮像手段１の画素分解能が足りる位置であって、撮像手段１の画角の中心に近い位置でジェスチャを開始することができるので、ジェスチャの誤認識を高い精度で防ぐことができるのである。

なお、本発明は前記実施形態に限られるものではない。

前記実施形態では、初期位置判定部２４は、認識した手形状が複数本（具体的には５本）の指を互いに離して立てた手形状である場合に、ユーザの手が初期位置にあると判定するものであったがこれに限らない。初期位置判定部２４は、認識した手形状が１本指を立てた手形状である場合に、ユーザの手が初期位置にあると判定してもよい。

また前記実施形態では、初期位置判定部２４は、認識した手形状が所定の条件を継続して所定時間以上満たした場合にユーザの手が初期位置にあると判定するものであったがこれに限らない。他の実施形態では、初期位置判定部２４は、認識した手形状が所定の条件（すなわち手形状）を満たすと、ユーザの手が初期位置にあると即座に判定してもよい。

前記実施形態では、画像データ受付部２１、ジェスチャ認識部２２、コマンド出力部２３、初期位置判定部２４及び報知部２５の機能の全てをコンピュータ本体２が発揮するようにしていたが、これに限定されない。これらの機能の一部又は全部が撮像手段１により発揮されるようにしてもよい。

前記実施形態では、報知部２５はユーザの聴覚を利用するものであったが、これに限らず、ユーザの視覚を利用して報知するものであってもよい。例えば、報知手段４としてディスプレイ３を用いて、ジェスチャを開始する旨を示す情報や、手の誘導情報を画面上に表示するようにしてもよい。

前記実施形態の撮像手段１は、ここでは実効画素数：１６０×１２０の画像データを３０ｆｐｓのフレームレートで出力するように構成されているがこれに限らない。例えば１６×１６の画像データを１０ｆｐｓのフレームレートで出力するように構成されていてもよい。このように実効画素数が低い撮像手段１を用いた場合において、上記したジェスチャ認識装置１００の効果が顕著に奏される。

その他、本発明は前記実施形態に限られず、その趣旨を逸脱しない範囲で種々の変形が可能であるのは言うまでもない。

１００・・・ジェスチャ認識装置
１ ・・・撮像手段
２ ・・・コンピュータ本体
２１ ・・・画像データ受付部
２２ ・・・ジェスチャ認識部
２３ ・・・コマンド出力部
２４ ・・・初期位置判定部
２５ ・・・報知部
３ ・・・ディスプレイ
４ ・・・報知手段

Claims (8)

1. ユーザの手を撮像する撮像手段を備え、当該撮像手段が撮像した撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識装置であって、
   前記撮像画像に映る前記ユーザの手形状を認識し、その結果に基づき前記ユーザの手がジェスチャを開始するのに適した初期位置にあるかを判定する初期位置判定部と、
   前記ユーザの手が前記初期位置にあると判定されると、ジェスチャを開始してよい旨を前記ユーザに報知する報知部と
   を備え、
   前記初期位置判定部が、少なくとも１本の指を立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定するジェスチャ認識装置。
2. 前記初期位置判定部が、複数本の指を互いに離して立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定する請求項１に記載のジェスチャ認識装置。
3. 前記初期位置判定部が、５本の指を互いに離して立てた手形状を認識した場合に、前記ユーザの手が前記初期位置にあると判定する請求項２に記載のジェスチャ認識装置。
4. 前記初期位置判定部が、前記認識した手形状の面積が所定の範囲内である場合に、前記ユーザの手が前記初期位置にあると判定する請求項１〜３のいずれか１項に記載のジェスチャ認識装置。
5. 前記初期位置判定部が、少なくとも１本の指を立てた手形状を継続して所定時間以上認識した場合に、前記ユーザの手が前記初期位置にあると判定する請求項１〜４のいずれか１項に記載のジェスチャ認識装置。
6. 前記撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識部を備え、
   前記ジェスチャ認識部は前記ユーザの手が前記初期位置にあると判定された後にジェスチャの認識を行う請求項１〜５のいずれか１項に記載のジェスチャ認識装置。
7. 前記報知部は、前記ユーザの手が前記初期位置にないと判定されると、前記ユーザの手を前記初期位置に誘導するための誘導情報を前記ユーザに報知する、請求項１〜６のいずれか１項に記載のジェスチャ認識装置。
8. ユーザの手を撮像する撮像手段を備え、当該撮像手段が撮像した撮像画像に基づいて前記ユーザの手のジェスチャを認識するジェスチャ認識装置用のプログラムであって、
   前記撮像画像に映る前記ユーザの手形状を認識し、認識した手形状が少なくとも１本の指を立てた手形状である場合に、前記ユーザの手がジェスチャを開始するのに適した初期位置にあると判定する初期位置判定部としての機能と、
   前記ユーザの手が前記初期位置にあると判定されると、ジェスチャを開始してよい旨を前記ユーザに報知する報知部としての機能と
   をコンピュータに発揮させることを特徴とするジェスチャ認識装置用のプログラム。