CN112416128A - 一种手势识别方法及终端设备 - Google Patents
一种手势识别方法及终端设备 Download PDFInfo
- Publication number
- CN112416128A CN112416128A CN202011320603.1A CN202011320603A CN112416128A CN 112416128 A CN112416128 A CN 112416128A CN 202011320603 A CN202011320603 A CN 202011320603A CN 112416128 A CN112416128 A CN 112416128A
- Authority
- CN
- China
- Prior art keywords
- gesture
- frame sequence
- sequence
- target
- gesture 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.)
- Granted
Links
Images
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
- 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)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明适用于手势识别技术领域,提供了一种手势识别方法及终端设备,所述方法包括:获取目标手势帧序列;从目标手势帧序列中提取意图手势帧序列;基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别。本发明能够摒除不标准手势中附加动作对手势识别的影响,挖掘用户的真实意图手势,进而提高手势识别的准确率。
Description
技术领域
本发明属于手势识别技术领域,尤其涉及一种手势识别方法及终端设备。
背景技术
手势识别作为一种新型的人机交互方式,已经逐渐被熟知和认可。而相较于视觉识别和红外识别方式,基于毫米波雷达的手势识别不受光线和温度的影响、能够穿透障碍物,具有很高的可靠性。
然而,本申请的发明人发现,目前基于毫米波雷达的手势识别策略都是针对预设的标准手势进行识别,而对于不标准手势,例如做手势过程中带有附加动作等,毫米波雷达的识别准确率会大大降低。
发明内容
有鉴于此,本发明实施例提供了一种手势识别方法及终端设备,以解决现有技术中毫米波雷达对不标准手势的识别准确率低的问题。
本发明实施例的第一方面提供了一种手势识别方法,包括:
获取目标手势帧序列,该目标手势帧序列为目标手势对应的手势帧序列;
从目标手势帧序列中提取意图手势帧序列;
基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,该处理器执行计算机程序时用于实现上述手势识别方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明通过获取目标手势对应的目标手势帧序列,从目标手势帧序列中提取意图手势帧序列,基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别,能够摒除不标准手势中附加动作对手势识别的影响,挖掘用户的真实意图手势,提高手势识别的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的手势识别方法的流程示意图;
图2是本发明实施例提供的手势识别方法的详细流程示意图;
图3是本发明实施例提供的一种目标手势的示意图;
图4是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
本发明实施例的第一方面提供了一种手势识别方法,如图1所示,该方法具体可以包括以下步骤:
步骤S101、获取目标手势帧序列。
在本发明实施例中,目标手势帧序列为目标手势对应的手势帧序列。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,在步骤S101之前,还可以包括确定目标手势帧序列的步骤。
如图2所示,确定目标手势帧序列的步骤包括:
步骤S1001、获取目标手势对应的第一手势帧序列。
在本发明实施例中,第一手势帧序列由目标检测设备检测得到,具体的,目标检测设备可以为毫米波雷达。
步骤S1002、确定目标检测设备的有效检测区域,并基于有效检测区域对第一手势帧序列进行提取,得到目标手势帧序列。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,基于有效检测区域对第一手势帧序列进行提取,得到目标手势帧序列,包括:
将有效检测区域内检测时间最早的手势帧作为目标手势帧序列的初始手势帧,将有效检测区域内检测时间最晚的手势帧作为目标手势帧序列的结束手势帧;其中,某一手势帧的检测时间为目标检测设备检测到该手势帧的时间;
基于初始手势帧和结束手势帧对第一手势帧序列进行截取,得到目标手势帧序列。
在本发明实施例中,目标检测设备的有效检测区域为目标检测设备能够检测到的区域中间的一个较小的区域,只有在有效检测区域内检测到的手势帧才是用于识别目标手势的手势帧。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,在获取目标手势帧序列之后,还包括:
判断目标手势帧序列中的手势帧的数量是否小于预设阈值;
若目标手势帧序列中的手势帧的数量不小于预设阈值,则对目标手势帧序列中的各个手势帧进行解析,得到各个手势帧对应的点云数据;
若目标手势帧序列中的手势帧的数量小于预设阈值,则将目标手势判定为无效手势。
在本发明实施例中,由于每个人做手势的速度不同,当做手势的速度过快时,目标检测设备在其有效检测区域内检测到的手势帧的数量可能较少,影响对手势的识别,因此,当目标手势帧序列中的手势帧的数量小于预设阈值时,将目标手势判定为无效手势,重新执行确定目标手势帧序列的步骤。
步骤S102、从目标手势帧序列中提取意图手势帧序列。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,各个手势帧对应的点云数据包括各个手势帧对应的方位角和俯仰角,相应的,从目标手势帧序列中提取意图手势帧序列,包括:
根据各个手势帧对应的方位角和俯仰角确定目标手势帧序列中的极值帧,并以极值帧为分界点对目标手势帧序列进行分段,得到多段第二手势帧序列;
计算各段第二手势帧序列对应的距离,并提取对应距离最小的第二手势帧序列作为意图手势帧序列;其中,各段第二手势帧序列对应的距离为各段第二手势帧序列对应的目标手势相对于目标检测设备的距离。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,根据各个手势帧对应的方位角和俯仰角确定目标手势帧序列中的极值帧,包括:
计算各个手势帧对应的最大方位角与最小方位角的差值,得到第一差值;
计算各个手势帧对应的最大俯仰角与最小俯仰角的差值,得到第二差值;
若第一差值大于第二差值,则将最大方位角、最小方位角对应的手势帧确定为极值帧;若第一差值小于第二差值,则将最大俯仰角、最小俯仰角对应的手势帧确定为极值帧。
在本发明实施例中,某一个手势帧对应的方位角和俯仰角为该手势帧中目标手势相对于目标检测设备的方位角和俯仰角。对于标准的左右滑动的目标手势,其在运动过程中相对于目标检测设备只有方位角发生改变,同理,对于标准的上下滑动的目标手势,其在运动过程中相对于目标检测设备只有俯仰角发生改变。
但是,在实际应用中,由于目标手势不标准,其在运动过程中可能相对于目标检测设备的方位角和俯仰角均发生了改变。通过计算目标手势在运动过程中相对于目标检测设备的最大方位角与最小方位角的差值、最大俯仰角与最小俯仰角的差值进行比较,进而可以确定该目标手势为左右滑动的手势还是上下滑动的手势。
在确定该目标手势为左右滑动的手势还是上下滑动的手势之后,以目标手势为从左向右滑动的手势为例,对本发明实施例从目标手势帧序列中提取意图手势帧序列的过程进行说明。
如图3所示,对于从左向右滑动的目标手势,由于用户的动作不规范,其在目标检测设备正前方的检测区域内可能先向左摆动,即F1-F2段,再向右摆动,即F2-F3段,最后,用户可能还有一个向左摆动的收尾动作,即F3-F4段。其中,F1-F2段和F3-F4段的动作为目标手势的附带动作。以目标检测设备右侧为方位角的正方向,则F2处的手势帧相对于目标检测设备的方位角最小,F3处的手势帧相对于目标检测设备的方位角最大,即确定F2处的手势帧和F3处的手势帧为手势帧序列中的极值帧,根据极值帧将目标手势帧序列分成多段第二手势帧序列,即F1-F2段、F2-F3段和F3-F4段,通过计算各段第二手势帧序列对应的距离,提取对应距离最小的第二手势帧序列作为意图手势帧序列。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,各个手势帧对应的点云数据还包括各个手势帧对应的距离,相应的,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离包括:
若第一差值大于第二差值,则从该段第二手势帧序列中提取第三手势帧序列;其中,第三手势帧序列为该段第二手势帧序列中方位角在第一预设范围内的手势帧组成的序列;
计算第三手势帧序列中各个手势帧对应的距离的平均值,得到该段第二手势帧序列对应的距离。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,各个手势帧对应的点云数据还包括各个手势帧对应的距离,相应的,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离包括:
若第一差值小于第二差值,则从该段第二手势帧序列中提取第四手势帧序列;其中,第四手势帧序列为该段第二手势帧序列中俯仰角在第二预设范围内的手势帧组成的序列;
计算第四手势帧序列中各个手势帧对应的距离的平均值,得到该段第二手势帧序列对应的距离。
可选的,作为本发明实施例第一方面提供的手势识别方法的一种具体的实施方式,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离还包括:
若该段第二手势帧序列中不存在方位角在第一预设范围的手势帧,则将+∞作为该段第二手势帧序列对应的距离。
在本发明实施例中,各个手势帧对应的距离为各个手势帧中目标手势相对于目标检测设备的距离,以图3所示的目标手势为例,通过预设一个较小的第一预设范围,例如-24°至+24°,分别计算F1-F2段、F2-F3段和F3-F4段第二手势帧序列中方位角在-24°至+24°内的手势帧对应的距离的平均值,作为各段第二手势帧序列对应的距离,经过比较确定F2-F3段第二手势帧序列对应的距离最小,因此提取F2-F3段第二手势帧序列作为意图手势帧序列。
需要指出的是,本发明实施例仅以一种从左到右滑动的手势为例对本发明的手势识别方法进行说明,对于上下滑动的手势可以根据手势相对于目标检测设备的俯仰角进行识别,识别过程与上述过程类似,在此不再进行详细的介绍。
另外,从左到右滑动的手势也可能包含多种情况,例如从左到右滑动的手势可以是只包含F2-F3段的标准手势,或者是只包含F1-F2段、F2-F3段的不标准手势,又或者是只包含F2-F3段、F3-F4段的不标准手势等,无论哪种情况,均可以根据本发明实施例提供的手势识别方法进行识别,识别过程与上述过程类似,在此不再进行详细的介绍。
步骤S103、基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别。
在本发明实施例中,预设的手势识别模型可以识别从左向右滑动、从右向左滑动、从上向下滑动、从下向上滑动四种手势类别,将目标手势的意图手势帧序列输入至预设的手势识别模型中即可得到目标手势的类别。
由以上内容可知,本发明通过获取目标手势帧序列,从目标手势帧序列中提取意图手势帧序列,基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别,能够摒除不标准手势中附加动作对手势识别的影响,挖掘用户的真实意图手势,提高手势识别的准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例的第二方面提供了一种终端设备,如图4所示,该实施例的终端设备4包括:处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个手势识别方法实施例中的步骤,例如图1所示的步骤S101至S103。
示例性的,计算机程序42可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器41中,并由处理器40执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序42在终端设备4中的执行过程。例如,计算机程序42可以被分割成获取模块、确定模块和识别模块(虚拟装置中的模块),各模块具体功能如下:
获取模块,用于获取目标手势帧序列,该目标手势帧序列为目标手势对应的手势帧序列。
确定模块,用于从目标手势帧序列中提取意图手势帧序列。
识别模块,用于基于意图手势帧序列以及预设的手势识别模型对目标手势进行识别。
终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端设备4的示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端设备4的内部存储单元,例如终端设备4的硬盘或内存。存储器41也可以是终端设备4的外部存储设备,例如终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器41还可以既包括终端设备4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及终端设备4所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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单元及算法步骤,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发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种手势识别方法,其特征在于,包括:
获取目标手势帧序列,所述目标手势帧序列为目标手势对应的手势帧序列;
从所述目标手势帧序列中提取意图手势帧序列;
基于所述意图手势帧序列以及预设的手势识别模型对所述目标手势进行识别。
2.如权利要求1所述的手势识别方法,其特征在于,在获取目标手势帧序列之前,还包括确定目标手势帧序列的步骤;
所述确定目标手势帧序列的步骤包括:
获取目标手势对应的第一手势帧序列;其中,所述第一手势帧序列由目标检测设备检测得到;
确定所述目标检测设备的有效检测区域,并基于所述有效检测区域对所述第一手势帧序列进行提取,得到目标手势帧序列。
3.如权利要求2所述的手势识别方法,其特征在于,所述基于所述有效检测区域对所述第一手势帧序列进行提取,得到目标手势帧序列,包括:
将所述有效检测区域内检测时间最早的手势帧作为目标手势帧序列的初始手势帧,将所述有效检测区域内检测时间最晚的手势帧作为目标手势帧序列的结束手势帧;其中,某一手势帧的检测时间为所述目标检测设备检测到该手势帧的时间;
基于所述初始手势帧和所述结束手势帧对所述第一手势帧序列进行截取,得到目标手势帧序列。
4.如权利要求1-3任一项所述的手势识别方法,其特征在于,在获取目标手势帧序列之后,还包括:
判断所述目标手势帧序列中的手势帧的数量是否小于预设阈值;
若所述目标手势帧序列中的手势帧的数量不小于预设阈值,则对所述目标手势帧序列中的各个手势帧进行解析,得到各个手势帧对应的点云数据;
若所述目标手势帧序列中的手势帧的数量小于预设阈值,则将所述目标手势判定为无效手势。
5.如权利要求4所述的手势识别方法,其特征在于,所述各个手势帧对应的点云数据包括各个手势帧对应的方位角和俯仰角,所述从所述目标手势帧序列中提取意图手势帧序列,包括:
根据各个手势帧对应的方位角和俯仰角确定所述目标手势帧序列中的极值帧,并以所述极值帧为分界点对所述目标手势帧序列进行分段,得到多段第二手势帧序列;
计算各段第二手势帧序列对应的距离,并提取对应距离最小的第二手势帧序列作为意图手势帧序列;其中,所述各段第二手势帧序列对应的距离为各段第二手势帧序列对应的目标手势相对于目标检测设备的距离。
6.如权利要求5所述的手势识别方法,其特征在于,所述根据各个手势帧对应的方位角和俯仰角确定所述目标手势帧序列中的极值帧,包括:
计算各个手势帧对应的最大方位角与最小方位角的差值,得到第一差值;
计算各个手势帧对应的最大俯仰角与最小俯仰角的差值,得到第二差值;
若所述第一差值大于所述第二差值,则将最大方位角、最小方位角对应的手势帧确定为极值帧;若所述第一差值小于所述第二差值,则将最大俯仰角、最小俯仰角对应的手势帧确定为极值帧。
7.如权利要求6所述的手势识别方法,其特征在于,所述各个手势帧对应的点云数据还包括各个手势帧对应的距离,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离包括:
若所述第一差值大于所述第二差值,则从该段第二手势帧序列中提取第三手势帧序列;其中,所述第三手势帧序列为该段第二手势帧序列中方位角在第一预设范围内的手势帧组成的序列;
计算所述第三手势帧序列中各个手势帧对应的距离的平均值,得到该段第二手势帧序列对应的距离。
8.如权利要求6所述的手势识别方法,其特征在于,所述各个手势帧对应的点云数据还包括各个手势帧对应的距离,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离包括:
若所述第一差值小于所述第二差值,则从该段第二手势帧序列中提取第四手势帧序列;其中,所述第四手势帧序列为该段第二手势帧序列中俯仰角在第二预设范围内的手势帧组成的序列;
计算所述第四手势帧序列中各个手势帧对应的距离的平均值,得到该段第二手势帧序列对应的距离。
9.如权利要求7所述的手势识别方法,其特征在于,对于任意一段第二手势帧序列,计算该段第二手势帧序列对应的距离还包括:
若该段第二手势帧序列中不存在方位角在第一预设范围的手势帧,则将+∞作为该段第二手势帧序列对应的距离。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320603.1A CN112416128B (zh) | 2020-11-23 | 2020-11-23 | 一种手势识别方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320603.1A CN112416128B (zh) | 2020-11-23 | 2020-11-23 | 一种手势识别方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112416128A true CN112416128A (zh) | 2021-02-26 |
CN112416128B CN112416128B (zh) | 2022-07-01 |
Family
ID=74778102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011320603.1A Active CN112416128B (zh) | 2020-11-23 | 2020-11-23 | 一种手势识别方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112416128B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114236492A (zh) * | 2022-02-23 | 2022-03-25 | 南京一淳科技有限公司 | 一种毫米波雷达微动手势识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808143A (zh) * | 2017-11-10 | 2018-03-16 | 西安电子科技大学 | 基于计算机视觉的动态手势识别方法 |
CN108873715A (zh) * | 2018-07-04 | 2018-11-23 | 深圳众厉电力科技有限公司 | 基于手势识别的智能家居控制*** |
WO2019000543A1 (zh) * | 2017-06-27 | 2019-01-03 | 歌尔科技有限公司 | 动态手势识别方法和装置 |
CN110741385A (zh) * | 2019-06-26 | 2020-01-31 | Oppo广东移动通信有限公司 | 手势识别的方法和设备、定位追踪的方法和设备 |
CN111414843A (zh) * | 2020-03-17 | 2020-07-14 | 森思泰克河北科技有限公司 | 手势识别方法及终端设备 |
CN111695420A (zh) * | 2020-04-30 | 2020-09-22 | 华为技术有限公司 | 一种手势识别方法以及相关装置 |
US20200356178A1 (en) * | 2019-05-06 | 2020-11-12 | Samsung Electronics Co., Ltd. | Methods for gesture recognition and control |
-
2020
- 2020-11-23 CN CN202011320603.1A patent/CN112416128B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019000543A1 (zh) * | 2017-06-27 | 2019-01-03 | 歌尔科技有限公司 | 动态手势识别方法和装置 |
CN107808143A (zh) * | 2017-11-10 | 2018-03-16 | 西安电子科技大学 | 基于计算机视觉的动态手势识别方法 |
CN108873715A (zh) * | 2018-07-04 | 2018-11-23 | 深圳众厉电力科技有限公司 | 基于手势识别的智能家居控制*** |
US20200356178A1 (en) * | 2019-05-06 | 2020-11-12 | Samsung Electronics Co., Ltd. | Methods for gesture recognition and control |
CN110741385A (zh) * | 2019-06-26 | 2020-01-31 | Oppo广东移动通信有限公司 | 手势识别的方法和设备、定位追踪的方法和设备 |
CN111414843A (zh) * | 2020-03-17 | 2020-07-14 | 森思泰克河北科技有限公司 | 手势识别方法及终端设备 |
CN111695420A (zh) * | 2020-04-30 | 2020-09-22 | 华为技术有限公司 | 一种手势识别方法以及相关装置 |
Non-Patent Citations (2)
Title |
---|
MINH Q NGUYEN等: "Range-gating technology for millimeter-wave radar remote gesture control in IoT applications", 《PUBLISHED IN: 2018 IEEE MTT-S INTERNATIONAL WIRELESS SYMPOSIUM (IWS)》 * |
MINH Q NGUYEN等: "Range-gating technology for millimeter-wave radar remote gesture control in IoT applications", 《PUBLISHED IN: 2018 IEEE MTT-S INTERNATIONAL WIRELESS SYMPOSIUM (IWS)》, 2 July 2018 (2018-07-02) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114236492A (zh) * | 2022-02-23 | 2022-03-25 | 南京一淳科技有限公司 | 一种毫米波雷达微动手势识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112416128B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220383535A1 (en) | Object Tracking Method and Device, Electronic Device, and Computer-Readable Storage Medium | |
WO2022027912A1 (zh) | 一种人脸姿态检测方法、装置、终端设备及存储介质 | |
CN112528831B (zh) | 多目标姿态估计方法、多目标姿态估计装置及终端设备 | |
CN111612841B (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
US20190188460A1 (en) | Method and device for use in hand gesture recognition | |
US20220375106A1 (en) | Multi-target tracking method, device and computer-readable storage medium | |
EP3282387A1 (en) | Fire detection method, fire detection apparatus and electronic equipment | |
CN112966654B (zh) | 唇动检测方法、装置、终端设备及计算机可读存储介质 | |
Meus et al. | Embedded vision system for pedestrian detection based on HOG+ SVM and use of motion information implemented in Zynq heterogeneous device | |
CN111291749B (zh) | 手势识别方法、装置及机器人 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN115294168A (zh) | 一种跟踪目标的方法、装置及电子设备 | |
CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
US20200093392A1 (en) | Brainprint signal recognition method and terminal device | |
CN111242084B (zh) | 机器人控制方法、装置、机器人及计算机可读存储介质 | |
CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
WO2022205841A1 (zh) | 机器人导航方法、装置、终端设备及计算机可读存储介质 | |
CN110766005B (zh) | 目标特征提取方法、装置和终端设备 | |
CN114219831A (zh) | 目标跟踪方法、装置、终端设备及计算机可读存储介质 | |
CN109213322B (zh) | 一种虚拟现实中手势识别的方法及*** | |
CN113033256B (zh) | 一种指尖检测模型的训练方法和设备 | |
CN112270257A (zh) | 一种运动轨迹确定方法、装置及计算机可读存储介质 | |
CN112967321A (zh) | 运动目标的检测方法、装置、终端设备及存储介质 | |
CN116580063B (zh) | 目标追踪方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |