CN109063653A - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN109063653A CN109063653A CN201810888877.7A CN201810888877A CN109063653A CN 109063653 A CN109063653 A CN 109063653A CN 201810888877 A CN201810888877 A CN 201810888877A CN 109063653 A CN109063653 A CN 109063653A
- Authority
- CN
- China
- Prior art keywords
- gesture
- finger tip
- topography
- image
- frame
- 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
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例公开了图像处理方法和装置。该方法的一具体实施方式包括:获取包含手势的图像的手势边框,其中,该手势边框用于指示图像所包含手势的位置;从该图像中,提取该手势边框所指示的包含手势的局部图像;将该局部图像输入关键点检测模型,以确定该图像所包含手势的手指尖的关键点信息,其中,该关键点信息包括手指尖位置信息。本申请实施例能够检测重要的手指尖的关键点,避免对手势中应用频率很低的关键点进行检测导致的无效检测,提高检测效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及图像处理方法和装置。
背景技术
手势交互是人机交互的一种重要形式,已经被广泛应用。对手势的关键点的检测,通常是对手势中的数十个关键点进行检测。
在现有技术中,每次检测关键点都要检测上述的多个关键点,然而检测得到的这些关键点中的很多关键点往往利用率偏低,很大一部分在后续没有得到应用。
发明内容
本申请实施例提出了图像处理方法和装置。
第一方面,本申请实施例提供了一种图像处理方法,包括:获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置;从图像中,提取手势边框所指示的包含手势的局部图像;将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。
在一些实施例中,关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
在一些实施例中,获取包含手势的图像的手势边框,包括:对图像进行手势检测,以确定指示图像所包含手势的位置的手势边框。
在一些实施例中,关键点检测模型为卷积神经网络。
在一些实施例中,关键点检测模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到关键点检测模型。
第二方面,本申请实施例提供了一种图像处理装置,包括:获取单元,被配置成获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置;提取单元,被配置成从图像中,提取手势边框所指示的包含手势的局部图像;确定单元,被配置成将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。
在一些实施例中,关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
在一些实施例中,获取单元进一步被配置成:对图像进行手势检测,以确定指示图像所包含手势的位置的手势边框。
在一些实施例中,关键点检测模型为卷积神经网络。
在一些实施例中,关键点检测模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到关键点检测模型。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如图像处理方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如图像处理方法中任一实施例的方法。
本申请实施例提供的图像处理方案,首先,获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置。之后,从图像中,提取手势边框所指示的包含手势的局部图像。然后,将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。本申请实施例能够检测重要的手指尖的关键点,避免对手势中应用频率很低的关键点进行检测导致的无效检测,提高检测效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的图像处理方法的一个实施例的流程图;
图3是根据本申请的图像处理方法的一个应用场景的示意图;
图4是根据本申请的图像处理装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的图像处理方法或图像处理装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像识别应用、短视频类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的图片等数据进行分析等处理,并将处理结果(例如图像所包含手势的手指尖的关键点信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的图像处理方法可以由服务器105或者终端设备101、102、103执行,相应地,图像处理装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的图像处理方法的一个实施例的流程200。该图像处理方法,包括以下步骤:
步骤201,获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置。
在本实施例中,图像处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他电子设备获取包含手势的图像的手势边框。手势边框可以划定出手势,以指示手势的位置。具体地,手势边框可以是矩形。上述执行主体可以仅使用手势边框存储边框的位置信息,在图像中不显示手势边框。此外,手势边框也可以直观地呈现在图像中。具体地,上述执行主体可以采用多种方式获取手势边框。比如,可以从本地或者其他电子设备获取预先确定的手势边框。此外,如果图像是视频中的一帧,也可以将对上一帧确定的手势边框所在的区域的轮廓作为这一帧的手势边框。
在本实施例的一些可选的实现方式中,步骤201可以包括:
对图像进行手势检测,以确定指示图像所包含手势的位置的手势边框。
在这些可选的实现方式中,上述执行主体可以对上述图像进行手势检测,将检测过程中生成的边框(Bounding-Box)作为手势边框。通过检测能够得到更加准确的手势边框。具体地,可以将图像输入能够进行手势检测的卷积神经网络。从卷积神经网络能够输出手势边框。
步骤202,从图像中,提取手势边框所指示的包含手势的局部图像。
在本实施例中,上述执行主体可以从上述图像中,提取手势边框所指示的包含手势的局部图像。具体地,上述执行主体可以从上述图像中裁剪出手势边框中的局部图像,手势边框的边线与局部图像的边线相重合。
步骤203,将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。
在本实施例中,上述执行主体可以将提取到的局部图像输入关键点检测模型,得到从关键点检测模型输出的关键点信息。关键点信息是上述图像所包含手势的手指尖的关键点信息。关键点信息可以包括手指尖位置信息。手指尖位置信息可以是手指尖在局部图像(或者图像)中的坐标。
在实践中,关键点检测模型可以是由支持向量机(Support Vector Machine,SVM)、朴素贝叶斯模型(Naive Bayesian Model,NBM)、卷积神经网络(ConvolutionalNeural Network,CNN)等分类器(Classifier)训练得到的。此外,关键点检测模型也可以是由某些分类函数(例如softmax函数等)预先训练而成的。
在本实施例的一些可选的实现方式中,关键点检测模型为卷积神经网络。
在这些可选的实现方式中,卷积神经网络中包含多个卷积层,具有很强的处理能力。卷积神经网络不仅可以准确地分类手指尖是否可见,还准确地确定出手指尖位置信息。
在本实施例的一些可选的实现方式中,关键点检测模型通过以下步骤训练得到:
获取训练样本集,其中,训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;
将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到关键点检测模型。
在这些可选的实现方式中,初始关键点检测模型为有待于训练的关键点检测模型。在使用样本进行训练后,则可以在向关键点检测模型输入局部图像后,得到关键点检测模型输出的该局部图像所包含手势的手指尖位置信息和手指尖可见信息。通过大量的样本进行训练,可以得到准确的关键点检测模型。
在本实施例的一些可选的实现方式中,关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
在这些可选的实现方式中,一个手势对应5个手指尖,一些手势可能在图像中并没有呈现全部的手指尖。也即不同的手势所呈现出的手指尖数目可以是不尽相同的。通过手指尖可见信息,可以确定哪些手指尖在图像中是可见的,哪些是不可见的。具体地,上述执行主体对于每个手势的每个手指尖,都确定该手指尖是否可见。
这样,在本实施例中,上述执行主体可以确定局部图像的所包含手势的手指尖位置信息和手指尖可见信息。举例来说,局部图像中有一个手势,从大拇指到小拇指的五个手指的手指尖分别编号1、2、3、4和5。从关键点检测模型可以输出检测结果,检测结果显示上述手指尖中的1、5可见,2、3、4不可见,以及1、5的位置信息。
手指尖的关键点是应用频率高的重要关键点,这些实现方式可以准确地表现哪些手指尖的关键点可见,哪些不可见,实现后续根据该指尖的可见性对图像中的指定手指尖进行处理,从而增强了检测结果应用的广泛性。举例来说,可以在图像中对大拇指指尖所在的位置添加图案,采用的方式可以是覆盖或者叠加。
继续参见图3,图3是根据本实施例的图像处理方法的应用场景的一个示意图。在图3的应用场景中,执行主体301可以从本地或者其他电子设备获取包含手势的图像的手势边框302,其中,手势边框用于指示图像所包含手势的位置。执行主体301从图像中,提取手势边框所指示的包含手势的局部图像303。将局部图像303输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息304,其中,关键点信息包括手指尖位置信息。
本申请的上述实施例提供的方法能够检测重要的手指尖的关键点,避免对手势中应用频率很低的关键点进行检测导致的无效检测,提高检测效率。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种图像处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的图像处理装置400包括:获取单元401、提取单元402和确定单元403。其中,获取单元401,被配置成获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置;提取单元402,被配置成从图像中,提取手势边框所指示的包含手势的局部图像;确定单元403,被配置成将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。
在一些实施例中,图像处理装置400的获取单元401可以从本地或者其他电子设备获取包含手势的图像的手势边框。手势边框可以划定出手势,以指示手势的位置。具体地,手势边框可以是矩形。上述执行主体可以仅使用手势边框存储边框的位置信息,在图像中不显示手势边框。此外,手势边框也可以直观地呈现在图像中。
在一些实施例中,提取单元402从上述图像中,提取手势边框所指示的包含手势的局部图像。具体地,上述执行主体可以从上述图像中裁剪出手势边框中的局部图像,手势边框的边线与局部图像的边线相重合。
在一些实施例中,确定单元403可以将提取到的局部图像输入关键点检测模型,得到从关键点检测模型输出的关键点信息。关键点信息是上述图像所包含手势的手指尖的关键点信息。关键点信息可以包括手指尖位置信息。手指尖位置信息可以是手指尖在局部图像(或者图像)中的坐标。
在本实施例的一些可选的实现方式中,关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
在本实施例的一些可选的实现方式中,获取单元进一步被配置成:对图像进行手势检测,以确定指示图像所包含手势的位置的手势边框。
在本实施例的一些可选的实现方式中,关键点检测模型为卷积神经网络。
在本实施例的一些可选的实现方式中,关键点检测模型通过以下步骤训练得到:获取训练样本集,其中,训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到关键点检测模型。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机***500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU和/或GPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。中央处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括硬盘等的存储部分506;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至I/O接口505。可拆卸介质509,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器508上,以便于从其上读出的计算机程序根据需要被安装入存储部分506。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分507从网络上被下载和安装,和/或从可拆卸介质509被安装。在该计算机程序被中央处理单元(CPU和/或GPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、提取单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取包含手势的图像的手势边框的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取包含手势的图像的手势边框,其中,手势边框用于指示图像所包含手势的位置;从图像中,提取手势边框所指示的包含手势的局部图像;将局部图像输入关键点检测模型,以确定图像所包含手势的手指尖的关键点信息,其中,关键点信息包括手指尖位置信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种图像处理方法,包括:
获取包含手势的图像的手势边框,其中,所述手势边框用于指示图像所包含手势的位置;
从所述图像中,提取所述手势边框所指示的包含手势的局部图像;
将所述局部图像输入关键点检测模型,以确定所述图像所包含手势的手指尖的关键点信息,其中,所述关键点信息包括手指尖位置信息。
2.根据权利要求1所述的方法,其中,所述关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
3.根据权利要求1所述的方法,其中,所述获取包含手势的图像的手势边框,包括:
对所述图像进行手势检测,以确定指示所述图像所包含手势的位置的手势边框。
4.根据权利要求1所述的方法,其中,所述关键点检测模型为卷积神经网络。
5.根据权利要求2所述的方法,其中,所述关键点检测模型通过以下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;
将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到所述关键点检测模型。
6.一种图像处理装置,包括:
获取单元,被配置成获取包含手势的图像的手势边框,其中,所述手势边框用于指示图像所包含手势的位置;
提取单元,被配置成从所述图像中,提取所述手势边框所指示的包含手势的局部图像;
确定单元,被配置成将所述局部图像输入关键点检测模型,以确定所述图像所包含手势的手指尖的关键点信息,其中,所述关键点信息包括手指尖位置信息。
7.根据权利要求6所述的装置,其中,所述关键点信息还包括:对于手势的每一个手指尖,指示该手指尖是否可见的手指尖可见信息。
8.根据权利要求6所述的装置,其中,所述获取单元进一步被配置成:
对所述图像进行手势检测,以确定指示所述图像所包含手势的位置的手势边框。
9.根据权利要求6所述的装置,其中,所述关键点检测模型为卷积神经网络。
10.根据权利要求7所述的装置,其中,所述关键点检测模型通过以下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的样本包括包含手势的局部图像,以及与各个局部图像所包含的手势的手指尖位置信息和手指尖可见信息;
将局部图像作为输入,将该局部图像所包含手势的手指尖位置信息和手指尖可见信息作为输出,训练初始关键点检测模型,得到所述关键点检测模型。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
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如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888877.7A CN109063653A (zh) | 2018-08-07 | 2018-08-07 | 图像处理方法和装置 |
PCT/CN2018/116340 WO2020029466A1 (zh) | 2018-08-07 | 2018-11-20 | 图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888877.7A CN109063653A (zh) | 2018-08-07 | 2018-08-07 | 图像处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109063653A true CN109063653A (zh) | 2018-12-21 |
Family
ID=64832058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810888877.7A Pending CN109063653A (zh) | 2018-08-07 | 2018-08-07 | 图像处理方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109063653A (zh) |
WO (1) | WO2020029466A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070063A (zh) * | 2019-04-29 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 目标对象的动作识别方法、装置和电子设备 |
CN110287891A (zh) * | 2019-06-26 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 基于人体关键点的手势控制方法、装置及电子设备 |
CN111382624A (zh) * | 2018-12-28 | 2020-07-07 | 杭州海康威视数字技术股份有限公司 | 动作识别方法、装置、设备及可读存储介质 |
CN111460858A (zh) * | 2019-01-21 | 2020-07-28 | 杭州易现先进科技有限公司 | 图像中指尖点的确定方法、装置、存储介质及电子设备 |
CN112262393A (zh) * | 2019-12-23 | 2021-01-22 | 商汤国际私人有限公司 | 手势识别方法和装置、电子设备及存储介质 |
CN113792651A (zh) * | 2021-09-13 | 2021-12-14 | 广州广电运通金融电子股份有限公司 | 一种融合手势识别和指尖定位的手势交互方法、设备及介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183388A (zh) * | 2020-09-30 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备和介质 |
CN112949437A (zh) * | 2021-02-21 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 一种手势识别方法、手势识别装置及智能设备 |
CN115134506A (zh) * | 2021-03-26 | 2022-09-30 | 阿里巴巴新加坡控股有限公司 | 摄像画面调整方法、视频画面处理方法以及装置和*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718879A (zh) * | 2016-01-19 | 2016-06-29 | 华南理工大学 | 基于深度卷积神经网络的自由场景第一视角手指关键点检测方法 |
CN108230383A (zh) * | 2017-03-29 | 2018-06-29 | 北京市商汤科技开发有限公司 | 手部三维数据确定方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2872967B1 (en) * | 2012-07-13 | 2018-11-21 | Sony Depthsensing Solutions SA/NV | Method and system for detecting hand-related parameters for human-to-computer gesture-based interaction |
-
2018
- 2018-08-07 CN CN201810888877.7A patent/CN109063653A/zh active Pending
- 2018-11-20 WO PCT/CN2018/116340 patent/WO2020029466A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718879A (zh) * | 2016-01-19 | 2016-06-29 | 华南理工大学 | 基于深度卷积神经网络的自由场景第一视角手指关键点检测方法 |
CN108230383A (zh) * | 2017-03-29 | 2018-06-29 | 北京市商汤科技开发有限公司 | 手部三维数据确定方法、装置及电子设备 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382624A (zh) * | 2018-12-28 | 2020-07-07 | 杭州海康威视数字技术股份有限公司 | 动作识别方法、装置、设备及可读存储介质 |
CN111382624B (zh) * | 2018-12-28 | 2023-08-11 | 杭州海康威视数字技术股份有限公司 | 动作识别方法、装置、设备及可读存储介质 |
CN111460858A (zh) * | 2019-01-21 | 2020-07-28 | 杭州易现先进科技有限公司 | 图像中指尖点的确定方法、装置、存储介质及电子设备 |
CN111460858B (zh) * | 2019-01-21 | 2024-04-12 | 杭州易现先进科技有限公司 | 图像中指尖点的确定方法、装置、存储介质及电子设备 |
CN110070063A (zh) * | 2019-04-29 | 2019-07-30 | 北京字节跳动网络技术有限公司 | 目标对象的动作识别方法、装置和电子设备 |
WO2020220809A1 (zh) * | 2019-04-29 | 2020-11-05 | 北京字节跳动网络技术有限公司 | 目标对象的动作识别方法、装置和电子设备 |
GB2598015A (en) * | 2019-04-29 | 2022-02-16 | Beijing Bytedance Network Tech Co Ltd | Action recognition method and device for target object, and electronic apparatus |
GB2598015B (en) * | 2019-04-29 | 2023-07-05 | Beijing Bytedance Network Tech Co Ltd | Action recognition method and device for target object, and electronic apparatus |
CN110287891A (zh) * | 2019-06-26 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 基于人体关键点的手势控制方法、装置及电子设备 |
CN112262393A (zh) * | 2019-12-23 | 2021-01-22 | 商汤国际私人有限公司 | 手势识别方法和装置、电子设备及存储介质 |
CN113792651A (zh) * | 2021-09-13 | 2021-12-14 | 广州广电运通金融电子股份有限公司 | 一种融合手势识别和指尖定位的手势交互方法、设备及介质 |
CN113792651B (zh) * | 2021-09-13 | 2024-04-05 | 广州广电运通金融电子股份有限公司 | 一种融合手势识别和指尖定位的手势交互方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020029466A1 (zh) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063653A (zh) | 图像处理方法和装置 | |
CN108830235A (zh) | 用于生成信息的方法和装置 | |
CN109308681A (zh) | 图像处理方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN108875694A (zh) | 语音输出方法和装置 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN108830329A (zh) | 图片处理方法和装置 | |
CN108345387A (zh) | 用于输出信息的方法和装置 | |
CN109344762A (zh) | 图像处理方法和装置 | |
CN108984399A (zh) | 检测界面差异的方法、电子设备和计算机可读介质 | |
CN109255337A (zh) | 人脸关键点检测方法和装置 | |
CN109815365A (zh) | 用于处理视频的方法和装置 | |
CN109086780A (zh) | 用于检测电极片毛刺的方法和装置 | |
CN108960206A (zh) | 视频帧处理方法和装置 | |
CN107093164A (zh) | 用于生成图像的方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN110516099A (zh) | 图像处理方法和装置 | |
CN109242801A (zh) | 图像处理方法和装置 | |
CN109389182A (zh) | 用于生成信息的方法和装置 | |
CN108446659A (zh) | 用于检测人脸图像的方法和装置 | |
CN110084658A (zh) | 物品匹配的方法和装置 | |
CN108882025A (zh) | 视频帧处理方法和装置 | |
CN110427915A (zh) | 用于输出信息的方法和装置 | |
CN110110666A (zh) | 目标检测方法和装置 | |
CN109413056A (zh) | 用于处理信息的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |