CN112699849A - 手势识别方法和装置、电子设备、可读存储介质和芯片 - Google Patents

手势识别方法和装置、电子设备、可读存储介质和芯片 Download PDF

Info

Publication number
CN112699849A
CN112699849A CN202110057731.XA CN202110057731A CN112699849A CN 112699849 A CN112699849 A CN 112699849A CN 202110057731 A CN202110057731 A CN 202110057731A CN 112699849 A CN112699849 A CN 112699849A
Authority
CN
China
Prior art keywords
feature
image
vector
feature points
gesture recognition
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
CN202110057731.XA
Other languages
English (en)
Inventor
郭桦
毛芳勤
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication 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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202110057731.XA priority Critical patent/CN112699849A/zh
Publication of CN112699849A publication Critical patent/CN112699849A/zh
Priority to EP21919188.9A priority patent/EP4273745A4/en
Priority to PCT/CN2021/143855 priority patent/WO2022152001A1/zh
Priority to US18/222,476 priority patent/US20230360443A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提出了一种手势识别方法、手势识别装置、电子设备、可读存储介质和芯片，方法包括：获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；根据多个特征点位置信息，确定第一位置特征向量，第一位置特征向量表示多个特征点中的任一个特征点相对于多个特征点中其余特征点的相对位置关系；根据多个特征点位置信息，确定第二位置特征向量，第二位置特征向量表示多个特征点在手部区域子图像中的绝对位置关系；根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。本申请公开的手势识别方法提高了手势识别的稳定性，能够应对复杂的拍摄环境，在不同的视角条件下，准确识别用户手势，有效捕捉用户意图。

Description

手势识别方法和装置、电子设备、可读存储介质和芯片
技术领域
本申请涉及图像识别技术领域，具体而言，涉及一种手势识别方法、一种手势识别装置、一种电子设备、一种可读存储介质和一种芯片。
背景技术
目前，在移动端用户的人机交互中，除了常见的触屏交互，基于手势的交互开始受到了越来的多的重视，特别是随着手机AR、VR能力的发展，手势交互已经慢慢成为一个不可替代的趋势。目前手势识别主要分为两种类型：基于原始红绿蓝色彩RGB图像的手势识别以及基于手部关键点的手势识别。其中基于原始RGB图像手势识别主要是通过对获取的手势区域图片直接进行图像分类，来获取手势的类别，基于手部关键点的手势识别通过手部21个关键点的位置关系进行建模来获取手势的类别，但以上识别方法，仍旧存在识别准确度低的问题。
发明内容
本申请公开了一种手势识别方法、一种手势识别装置、一种电子设备、一种可读存储介质和一种芯片，以解决相关技术中手势识别准确度低的问题。
为了解决上述问题，本申请是这样实现的：
本申请的第一方面提出了一种手势识别方法，包括：获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；根据多个特征点位置信息，确定第一位置特征向量，第一位置特征向量表示多个特征点中的任一个特征点相对于多个特征点中其余特征点的相对位置关系，通过第一多层感知机对多个特征点位置信息进行处理，得到多个特征点在手部区域子图像中的第二位置特征向量；根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
本申请的第二方面提出了一种手势识别装置，包括：获取单元，用于获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；特征确定单元，用于根据多个特征点位置信息，确定多个特征点之间相对位置关系的第一位置特征向量；通过第一多层感知机对多个特征点位置信息进行处理，以得到多个特征点在手部区域子图像中的第二位置特征向量；输出单元，用于根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
本申请的第三方面提出了一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现上述第一方面的手势识别方法的步骤。
本申请的第四方面提出了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如上述第一方面的手势识别方法的步骤。
本申请的第五方面提出了一种芯片，包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如上述第一方面的手势识别方法的步骤。
本申请提出的手势识别方法，首先获取待处理的图像中的手部区域子图像，并确定手部区域子图像中的多个特征点对应的多个特征点位置信息，再根据多个特征点对应的多个特征点位置信息通过计算分别得到第一位置特征向量和第二位置特征向量，最后根据第一位置特征向量和第二位置特征向量，确定手部区域子图像的识别结果。在这种手势识别方法中，由于手部动作的完成需要骨骼的牵引，因此可以选择骨关节点作为手部区域子图像的特征点，通过多个特征点来精准识别动作类别。在确定了手部区域子图像中多个特征点的位置信息后，根据确定的特征点位置信息，分别确定多个特征点之间相对位置关系的第一位置特征向量和多个特征点在手部区域子图像中的第二位置特征向量。其中，第一位置特征向量保留了多个特征点之间的相对位置关系，排除了视角不同对识别动作类型的影响，也就是说，对于相同的动作，无论在什么视角获取目标图像，在得到手部区域子图像并确定多个特征点后，得到的多个特征点的第一位置特征向量是完全相同的。而第二位置特征向量保留了多个特征点在手部区域子图像中的绝对位置，通过对第一位置特征向量和第二特征位置的综合判断，也就是结合了多特征点之间的相对位置和特征点在图片中的绝对位置，最终得到手部区域子图像的动作类型。这种手势识别的方法，考虑了多个特征点之间的相对位置关系和多个特征点在手部区域子图像中的绝对位置关系，有效解决了在各种视角变换的情况下的误识别问题，提高了动作识别的稳定性。
本申请的附加方面和优点将在下面的描述部分中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了本申请的实施例的手势识别方法的流程示意图之一；
图2示出了在不同视角获取到的手部区域子图像之一；
图3示出了在不同视角获取到的手部区域子图像之二；
图4示出了在不同视角获取到的手部区域子图像之三；
图5示出了本申请的实施例的手势识别方法的流程示意图之二；
图6示出了本申请的实施例的手势识别方法的流程示意图之三；
图7示出了本申请的实施例的手势识别方法的特征点示意图；
图8示出了本申请的实施例的手势识别方法的流程示意图之四；
图9示出了本申请的实施例的手势识别方法的识别结果示意图；
图10示出了本申请实施例的手势识别方法的流程示意图之五；
图11示出了本申请实施例的手势识别方法的流程示意图之六；
图12示出了本申请实施例的手势识别方法的手部区域子图像的示意图；
图13示出了本申请实施例的手势识别装置的结构示意框图之一；
图14示出了本申请实施例的手势识别装置的结构示意框图之二；
图15示出了本申请实施例的手势识别装置的结构示意框图之三；
图16示出了本申请实施例的手势识别装置的结构示意框图之四；
图17示出了本申请实施例的手势识别装置的结构示意框图之五；
图18示出了本申请实施例的手势识别装置的结构示意框图之六；
图19示出了本申请实施例的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的手势识别方法、图像处理装置、电子设备和可读存储介质进行详细地说明。
本申请第一方面的实施例，提出一种手势识别方法，图1示出了本申请的一个实施例的手势识别方法的流程示意图。其中，本申请实施例的手势识别方法包括：
步骤S102，获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；
步骤S104，根据多个特征点位置信息，确定第一位置特征向量；
步骤S106，根据多个特征点位置信息，确定第二位置特征向量；
步骤S108，根据第一位置特征向量和第二位置特征向量，输出对手部区域子图像的识别结果。
在本申请的实施例中，首先获取目标图像中的手部区域子图像，具体地，可以通过任意方式获取M张目标图像，例如可以通过网络下载、相机拍摄、视频截取等方式获取任意格式及大小的M张目标图像。在进行特征点识别之前，可以对M张目标图像进行检测，以获得M张目标图像中的目标区域也即手部区域，进而提取出N张手部区域子图像，在后续识别过程中，只需要在手部区域子图像中提取特征点以及定位特征点的位置信息即可，可以缩小识别范围，减少识别过程中的计算量，提高识别的准确度和识别效率。由于动作的完成需要骨骼的牵引，因此本申请的实施例中，将骨关节点作为手部区域子图像的特征点，通过这些特征点来精准识别动作类别，进而确定识别结果。
确定了手部区域子图像中多个特征点的位置信息后，根据确定的特征点位置信息，分别确定第一位置特征向量，第一位置特征向量表示多个特征点中的任一个特征点相对于多个特征点中其余特征点的相对位置关系，第二位置特征向量表示多个特征点在手部区域子图像中的绝对位置关系，再根据第一位置特征向量和第二位置特征向量确定手部区域子图像的识别结果。
如图2、图3和图4所示，由于获取手部区域子图像的视角不同，对于同一手部姿态进行拍摄的图像中的特征点之间的相对关系也不相同，如大拇指的第一特征点202和第二特征点204的连线，与食指的第三特征点206和第四特征点208的连线之间具有不同的角度关系，手部姿态在立体空间中的关系在不同视角获取的图像中特征点之间的相对位置关系发生了变化。本申请实施例中的第一位置特征向量提现了多个特征点之间的相对位置关系，排除了视角不同对识别动作类型的影响，也就是说，对于相同的动作，无论在什么视角获取目标图像，在得到手部区域子图像并确定多个特征点后，得到的多个特征点的第一位置特征向量是完全相同的。而第二位置特征向量保留了多个特征点在手部区域子图像中的绝对位置，通过对第一位置特征向量和第二特征位置的综合判断，也就是结合了多个特征点之间的相对位置和特征点在图片中的绝对位置，最终得到手部区域子图像的动作类型。这种手势识别的方法，考虑了多个特征点之间的相对位置关系和多个特征点在手部区域子图像中的绝对位置关系，有效解决了在各种视角变换的情况下的误识别问题，提高了动作识别的稳定性。
如图5所示，图5示出了本申请第一方面的一个实施例的手势识别方法的流程示意图。其中，该方法包括：
步骤S202，获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；
步骤S204，根据多个特征点位置信息建立第一坐标矩阵，获取第一坐标矩阵的最大特征值所对应的第一特征向量；
步骤S206，通过第一多层感知机对第一特征向量进行处理，得到第一位置特征向量；
步骤S208，通过第二多层感知机对多个特征点位置信息进行处理，得到多个特征点在手部区域子图像中的第二位置特征向量；
步骤S210，根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
在这些实施例中，在确定多个特征点的位置信息后，根据多个特征点的位置信息建立第一坐标矩阵，并通过计算得到第一坐标矩阵的最大特征值所对应的第一特征向量。第一特征向量的引入是为了便于进行后续运算。将得到的第一特征向量通过第一多层感知机进行处理，排除了视角对动作类型判断的影响，使得在不同视角下均可以准确确定多个特征点之间的相对位置关系。
进一步地，在一些实施例中，第一坐标矩阵中的元素为多个特征点中的任一个特征点相对于多个特征点中其余特征点中任一个特征点之间的欧式距离。
在这些实施例中，使用特征点之间的欧式距离作为第一坐标矩阵中的元素，欧式距离可以表示多维空间中两点之间的真实距离。因此，在这些实施例中第一坐标矩阵中引用了欧式距离，而不是特征点在垂直拍照设备方向上的平面距离，可以有效解决在不同视角情况下多个特征点中的任一个特征点相对于多个特征点中其余特征点中任一个特征点之间的距离判断的真实性的问题，从而能够准确的获得多个特征点在立体空间中的实际相对位置关系。
进一步地，在一些实施例中，第一坐标矩阵为上三角矩阵。
具体地，第一坐标矩阵中元素是所在行对应的特征点与所在列对应的特征点之间的相对距离，例如，矩阵第二行第三列的元素可表示第二个特征点和第三个特征点之间的相对距离，矩阵第三行第二列的元素可表示第三个特征点和第二个特征点之间的相对距离，可以知道，这两个元素值是重复的，而大量重复元素会增加运算的复杂度。因此，在这些实施例中，建立的第一坐标矩阵是多维上三角矩阵，其对角线左下方的元素全部为0，而对角线右上方的元素则是所在行对应的特征点与所在列对应的特征点之间的相对距离，起到了简化运算过程的作用。
如图6所示，图6示出了本申请的第一方面的另一个实施例的手势识别方法的流程示意图。其中，该方法包括：
步骤S302，获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；
步骤S304，根据多个特征点位置信息，确定第一位置特征向量；
步骤S306，根据多个特征点位置信息得到第二特征向量；
步骤S308，通过第二多层感知机对第二特征向量处理，得到第二位置特征向量；
步骤S310，根据第一位置特征向量和第二位置特征向量，输出对手部区域子图像的识别结果。
在这些实施例中，在确定多个特征点的位置信息后，根据多个特征点的位置信息确定第二特征向量，其中第二特征向量中元素分别表示每个特征点在X方向和Y方向的位置信息。将得到的第二特征向量通过第二多层感知机进行处理，以使得到的第二位置特征向量的元素数量与第一位置特征向量中的元素数量相同，便于进行后续计算。
具体地，为保留特征点在手部区域子图像中的绝对位置关系，需要对特征点位置信息进行处理，如图7所示，获取到21个手势特征点的位置信息，首先定义一个向量，并将每个特征点的特征点位置信息分别依次填充入该向量的元素中，每个特征点的位置信息占据两个元素位，分别表示该特征点在X方向和Y方向上的坐标，将得到的包含42个元素的向量作为第二特征向量，如下：vector2＝[position1-x,postion1-y,positon2-x,position2-y…,position21-x,position21-y]，将得到的第二特征向量经过第二多层感知机的处理，得到包含21个元素的第二位置特征向量，也就是特征点在手部区域子图像中的第二位置特征向量。经过第三感知网络结构的处理，第二位置特征向量的元素数量与第一位置特征向量的元素数量相同，便于后续步骤对第一位置特征向量和第二位置特征向量进行综合分析，得到手部区域子图像的动作类别，进而确定识别结果。
如图8所示，图8示出了本申请的第一方面的另一个实施例的手势识别方法的流程示意图。其中，该方法包括：
步骤S402，获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；
步骤S404，根据多个特征点位置信息，确定第一位置特征向量；
步骤S406，通过第一多层感知机对多个特征点位置信息进行处理，得到多个特征点在手部区域子图像中的第二位置特征向量；
步骤S408，将第一位置特征向量的向量值与第二位置特征向量的向量值按位相加，以得到融合向量值；
步骤S410，通过第三多层感知机对融合向量值进行处理，得到分类向量；
步骤S412，将分类向量中的最大值对应的动作类别确定为手部区域子图像的识别结果。
在这些实施例中，提出了根据第一位置特征向量和第二位置特征向量确定手部区域子图像的动作类别的具体方法。得到第一位置特征向量和第二位置特征向量后，将第一位置特征向量和第二位置特征向量的向量值分别按位相加，也就是每个特征点的第一位置特征向量值和第二位置特征向量值相加。将相加得到的融合向量值通过第四多层网格感知结构进行处理，得到分类向量，分类向量中每个元素代表手部区域子图像中的动作符合该元素对应动作类型的概率，因此，分类向量中的最大值数值最大的元素对应的动作类别即为手部区域子图像中的动作最可能符合的动作类型，进而确定手势识别的识别结果。
具体地，第一位置特征向量和第二位置特征向量是元素数量相同的向量，融合时按位相加，得到的融合向量再经过第四多层网格感知结构处理得到分类向量，分类向量中每个元素代表手部区域子图像中的手势属于该元素所对应的动作类别的概率，因此取分类向量中的数值最大的元素对应的动作，也就是概率值最大的元素所对应的动作类别，即是手部区域子图像中的手势动作所对应的动作类别，因此，通过上述步骤，实现了手势的识别结果的输出。例如，图9示出了识别用户手势的识别结果为“手掌”的示意图。
如图10所示，图10示出了本申请的第一方面的另一个实施例的手势识别方法的流程示意图。其中，该方法包括：
步骤S502，通过预设的神经网络模型获取目标图像中的目标区域；
步骤S504，根据目标区域确定手部区域子图像，通过预设的神经网络模型识别手部区域子图像的多个特征点；
步骤S506，获取多个特征点的特征点位置信息；
步骤S508，根据多个特征点位置信息，确定第一位置特征向量；
步骤S510，通过第一多层感知机对多个特征点位置信息进行处理，得到多个特征点在手部区域子图像中的第二位置特征向量；
步骤S512，根据第一位置特征向量和第二位置特征向量，输出对手部区域子图像的识别结果。
在这些实施例中，首先通过预设的神经网络模型处理目标图像，以获得手部区域子图像所在的目标区域，也就是利用神经网络模型，在待处理的原始图像中找到手部区域子图像，并确定其区域范围。然后根据目标区域确定手部区域子图像。通过上一步骤确定的区域范围，进一步缩小范围，确定手部区域子图像，手部区域子图像上有多个特征点，通过这些特征点可以精准识别动作类别。通过预设的神经网络模型识别手部区域子图像的多个特征点；获取多个特征点的特征点位置信息，就可以根据获取到的特征点位置信息进一步确定手部区域子图像的识别结果。
具体地，可以通过预设的神经网络模型中的手掌检测模型处理目标图像，以获得手部区域子图像所在的目标区域。通过手掌检测模型识别获取到的目标图像，手掌检测模型可以通过深度学习中的矩阵运算方法获得手部区域子图像所在区域四边形的顶点位置信息，继而可以框选出手部区域子图像所在的目标区域，也就是本实施例中的手部区域。最后对目标图像进行裁剪，裁剪保留框选出的手部区域子图像所在的目标区域。
具体地，可以通过预设的神经网络模型中的特征点检测模型实现根据目标区域确定手部区域子图像，通过预设的神经网络模型识别手部区域子图像的多个特征点，并获取多个特征点位置信息。特征点检测模型对裁剪后的目标图像进行检测得到手部区域子图像，通过深度学习中的矩阵运算可以得到手部区域子图像的多个特征点及其位置信息。
进一步地，在检测出多个特征点位置信息后，可以使用传统手势识别方法(如：卡尔曼滤波等处理法)对特征点进行平滑和去抖，使特征点更具有灵敏性及稳定性，避免由于拍摄过程中抖动或者影响目标图像的成像质量，从而影响多个特征点位置的确定。
如图11所示，图11示出了本申请的第一方面的另一个实施例的手势识别方法的流程示意图。其中，该方法包括：
步骤S602，接收第一输入；
步骤S604，响应于第一输入，获取包含手部区域子图像的目标图像；
步骤S606，获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；
步骤S608，根据多个特征点位置信息，确定第一位置特征向量；
步骤S610，根据多个特征点位置信息，确定第二位置特征向量；
步骤S612，根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
在这些实施例中，在获取目标图像中的手部区域子图像之前，先接收第一输入，并响应于第一输入，获取包含手部区域子图像的目标图像。在没有接收到第一输入时，不获取待处理的图像，也不进行后续操作，避免频繁进行不必要的手势识别所带来的巨大计算量，减小计算负荷。进一步地，第一输入可以是屏幕端输入或者语音输入，不同的输入方式可以应对多种不同的使用场景，给用户带来更好的体验。
举例来说，接收的第一输入可以是屏幕端的输入，可以是用户通过点击触摸屏的方式输入的，图12示出了本实施例的手势识别方法中获取到的对“手掌”进行拍摄以获取目标图像的示意图。如图12所示，用户打开拍照相机预览，启动拍照功能。接收到用户在屏幕端的点击动作，并将这个动作作为第一输入，然后响应于接收到的第一输入，启动拍照预览功能，在拍照预览功能模式下，做出手势并使手部进入镜头拍摄范围内，就可以获取包含手部区域子图像的目标图像。
在本申请的一些实施例中，提供了一种在不同视角下，对手部进行拍照时，进行手势识别的方法，具体可以包括以下步骤。
一、获得特征点位置信息
首先用户打开拍照相机预览，启动手掌拍照功能，接收并响应第一输入。然后加载三个深度学***滑和去抖，使特征点更具有灵敏性及稳定性。接下来提取稳定的人工先验特征以应对实际复杂场景中的视角变化。
二、确定视角不变特征
实际场景中经常因视角不同而导致相同手势在照片中的形状不同，手势特征点的位置坐标也不相同，如图2至图4所示，该手势为短视频中常见的“比心”，图2至图4展示了该手势在各种视角的变化，现有的启发式的人工特征一般是基于规则的方法，例如针对该手势，其中的较关键的特征点拇指第一特征点202、拇指第二特征点204、食指第三特征点206、食指第四特征点208，为了定义该手势，既需要考虑到上述特征点之间的相互关系，还需要考虑到这种相互关系需要在各种旋转等视角变化下的稳定性。利用上一步骤中获取到的手势21个特征点的位置信息，计算21*21的上三角矩阵，其中每个矩阵的元素表示点与点之间的欧氏距离，对该矩阵提取最大特征值对应的特征向量，得到包含21个元素的第一特征向量，利用多层感知机对第一特征向量进一步提取特征，得到特征点之间相对位置关系的第一位置特征向量，即视角不变特征向量。
三、确定自动学习特征
视角不变特征feature1保留特征点之间的相对位置关系，为保留特征点在图片中的绝对位置关系，需要将原始的特征点信息通过有监督的多层感知机获取到自动学习特征feature2，具体的需要定义一个第二特征向量，第二特征向量包含42个元素，分别表示每个特征点在x和y方向上的坐标，然后经过三层多层感知机，得到包含21个元素的自动学习特征向量，也就是特征点在手部区域子图像中的第二位置特征向量。
四、确定手势类别
融合第一位置特征向量也即视角不变特征向量以及第二位置特征向量也即自动学习特征向量，进行分类结果的输出。具体地，第一位置特征向量和第二位置特征向量是具有相同维度的矢量，融合时按位相加，得到的融合向量再经过两层多层感知机之后得到最终的分类向量结果，其代表属于各个手势类别的概率，概率最大的类别即是对应的手势，因此，通过上述步骤，实现了手势类别的输出。之后，识别用户手势的动作类别为“手掌”，捕捉用户意图，假定提取到“手掌”的含义为“拍照”，说明用户做出该手势的目的是需要实现拍照功能，最后触发拍照功能，将用户照片保存。
如图13所示，本申请第二方面的实施例提出了一种手势识别装置100，包括：获取单元110，用于获取目标图像中的手部区域子图像，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；特征确定单元120，用于根据多个特征点位置信息，确定多个特征点之间相对位置关系的第一位置特征向量；通过第一多层感知机对多个特征点位置信息进行处理，以得到多个特征点在手部区域子图像中的第二位置特征向量；输出单元130，用于根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
具体地，在本实施例中，获取单元110起到了获取手部区域子图像并确定手部区域子图像中多个特征点位置信息的传入作用，特征确定单元120起到了确定第一位置特征向量和第二位置特征向量，也就是确定特征点之间的相对位置和特征点在图像中绝对位置的作用，而输出单元130根据特征确定单元120确定的第一位置特征向量和第二位置特征向量，进行相应的运算处理，确定并输出手部区域子图像的识别结果。这种手势识别装置，考虑了多个特征点之间的相互关系，有效解决了在各种视角变换的情况下的误识别问题，提高了动作识别的稳定性。
在一些实施例中，如图14所示，特征确定单元120包括：第一特征获取子单元122，用于根据多个特征点位置信息建立第一坐标矩阵，获取第一坐标矩阵的最大特征值所对应的第一特征向量；第一特征确定子单元124，用于通过第一多层感知机对第一特征向量进行处理，得到第一位置特征向量。
在这些实施例中，在确定多个特征点的位置信息后，第一特征获取子单元122根据多个特征点的位置信息建立第一坐标矩阵，并通过计算得到第一坐标矩阵的最大特征值所对应的第一特征向量。第一特征向量的引入是为了选取一组很好的基，便于进行后续运算。第一特征确定子单元124将得到的第一特征向量通过第一多层感知机进行处理，排除了视角对动作类型判断的影响，使得在不同视角下均可以准确识别动作类型。
进一步地，在一些实施例中，第一坐标矩阵中的元素为多个特征点中任意两个特征点之间的欧式距离。
在这些实施例中，使用特征点之间的欧式距离作为第一坐标矩阵中的元素，欧式距离可以表示多维空间中两点之间的真实距离，因此，在这些实施例中引用了欧式距离，而不是特征点在垂直拍照设备方向上的平面距离，可以有效解决在不同视角情况下任意两个特征点之间的距离判断问题。
进一步地，在一些实施例中，第一坐标矩阵为上三角矩阵。
具体地，第一坐标矩阵中元素是所在行对应的特征点与所在列对应的特征点之间的相对距离，例如，矩阵第二行第三列的元素可表示第二个特征点和第三个特征点之间的相对距离，矩阵第三行第二列的元素可表示第三个特征点和第二个特征点之间的相对距离，可以知道，这两个元素值是重复的，而大量重复元素会增加运算的复杂度，因此，在这些实施例中，建立的第一坐标矩阵是多维上三角矩阵，其对角线左下方的元素全部为0，而对角线右上方的元素则是所在行对应的特征点与所在列对应的特征点之间的相对距离，起到了简化运算过程的作用。
在一些实施例中，如图15所示，特征确定单元120还包括：第二特征获取子单元126，用于根据多个特征点位置信息得到第二特征向量；第二特征确定子单元128，用于通过第二多层感知机对第二特征向量处理，得到第二位置特征向量。
在这些实施例中，在确定多个特征点的位置信息后，第二特征获取子单元126根据多个特征点的位置信息确定第二特征向量，其中第二特征向量中元素分别表示每个特征点在x和y方向的位置。第二特征确定子单元128将得到的第二特征向量通过第二多层感知机进行处理，以使得到的第二位置特征向量的元素数量与第一位置特征向量中元素数量相同，便于进行后续计算。
在一些实施例中，如图16所示，输出单元130还包括：融合单元132，用于将第一位置特征向量的向量值与第二位置特征向量的向量值按位相加，以得到融合向量值；处理单元134，用于通过第三多层感知机对融合向量值进行处理，得到分类向量；确定单元136，用于将分类向量中的最大值对应的动作类别确定为手部区域子图像的识别结果。
在这些实施例中，提出了根据第一位置特征向量和第二位置特征向量确定手部区域子图像的识别结果的输出单元130的单元结构。融合单元132得到第一位置特征向量和第二位置特征向量后，将第一位置特征向量和第二位置特征向量的向量值分别按位相加，也就是每个特征点的第一位置特征向量值和第二位置特征向量值相加。处理单元134将相加得到的融合向量值通过第四多层网格感知结构进行处理，得到分类向量，分类向量中每个元素代表手部区域子图像中的动作符合该元素对应动作类型的概率，因此确定单元136选取分类向量中的最大值对应的动作类别，也就是选取手部区域子图像中的动作最可能符合的动作类型。
在一些实施例中，如图17所示，获取单元110还包括：区域获取子单元112，用于通过预设的神经网络模型处理目标图像，获得手部区域子图像所在的目标区域；特征点获取子单元114，用于根据目标区域确定手部区域子图像，通过预设的神经网络模型识别手部区域子图像的多个特征点；位置信息获取子单元116，用于获取多个特征点的特征点位置信息。
在这些实施例中，首先区域获取子单元112通过预设的神经网络模型处理目标图像，以获得手部区域子图像所在的目标区域，也就是利用神经网络模型，在待处理的原始图像中找到手部区域子图像，并确定其区域范围。然后特征点获取子单元114根据目标区域确定手部区域子图像。通过上一步骤确定的区域范围，进一步缩小范围，确定手部区域子图像，手部区域子图像上有多个特征点，通过这些特征点可以精准识别动作类别。特征点获取子单元114通过预设的神经网络模型识别手部区域子图像的多个特征点；位置信息获取子单元116获取多个特征点的特征点位置信息，就可以根据获取到的特征点位置信息进一步确定图像的识别结果。
在一些实施例中，如图18所示，手势识别装置100还包括：接收单元140，用于接收第一输入；响应单元150，用于响应于第一输入，获取包含手部区域子图像的目标图像。
在这些实施例中，在获取目标图像中的手部区域子图像之前，接收单元140先接收第一输入，响应单元150响应于第一输入，获取包含手部区域子图像的目标图像。在接收单元140没有接收到第一输入时，手势识别装置100不获取待处理的图像，也不进行后续操作，避免频繁进行不必要的手势识别所带来的巨大计算量，减小计算负荷。进一步地，第一输入可以是屏幕端输入或者语音输入，不同的输入方式可以应对多种不同的使用场景，给用户带来更好的体验。
图19示出了根据申请实施例的电子设备的硬件结构示意图。
该电子设备1900包括但不限于：射频单元1901、网络模块1902、音频输出单元1903、输入单元1904、传感器1905、显示单元1906、用户输入单元1904、接口单元1908、存储器1909、以及处理器1910等部件。
本领域技术人员可以理解，电子设备1900还可以包括给各个部件供电的电源1911(比如电池)，电源可以通过电源管理***与处理器1910逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。图19中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
处理器1910，确定与手部区域子图像中的多个特征点对应的多个特征点位置信息；用于根据多个特征点位置信息，确定多个特征点之间相对位置关系的第一位置特征向量；通过第一多层感知机对多个特征点位置信息进行处理，得到多个特征点在手部区域子图像中的第二位置特征向量；根据第一位置特征向量和第二位置特征向量，输出手部区域子图像的识别结果。
应理解的是，本申请实施例中，射频单元1901可用于收发信息或收发通话过程中的信号，具体的，接收基站的下行数据或向基站发送上行数据。射频单元1901包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。
网络模块1902为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元1903可以将射频单元1901或网络模块1902接收的或者在存储器1909中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元1903还可以提供与电子设备1900执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元1903包括扬声器、蜂鸣器以及受话器等。
输入单元1904用于接收音频或视频信号。输入单元1904可以包括图形处理器(Graphics Processing Unit，GPU)5082和麦克风5084，图形处理器5082对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元1906上，或者存储在存储器1909(或其它存储介质)中，或者经由射频单元1901或网络模块1902发送。麦克风5084可以接收声音，并且能够将声音处理为音频数据，处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元1901发送到移动通信基站的格式输出。
电子设备1900还包括至少一种传感器1905，比如指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器、光传感器、运动传感器以及其他传感器。
显示单元1906用于显示由用户输入的信息或提供给用户的信息。显示单元1906可包括显示面板5122，可以采用液晶显示器、有机发光二极管等形式来配置显示面板5122。
用户输入单元1907可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元1907包括触控面板5142以及其他输入设备5144。触控面板5142也称为触摸屏，可收集用户在其上或附近的触摸操作。触控面板5142可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1910，接收处理器1910发来的命令并加以执行。其他输入设备5144可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板5142可覆盖在显示面板5122上，当触控面板5142检测到在其上或附近的触摸操作后，传送给处理器1910以确定触摸事件的类型，随后处理器1910根据触摸事件的类型在显示面板5122上提供相应的视觉输出。触控面板5142与显示面板5122可作为两个独立的部件，也可以集成为一个部件。
接口单元1908为外部装置与电子设备1900连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元1908可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备1900内的一个或多个元件或者可以用于在电子设备1900和外部装置之间传输数据。
存储器1909可用于存储软件程序以及各种数据。存储器1909可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据移动终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1909可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器1910通过运行或执行存储在存储器1909内的软件程序和/或模块，以及调用存储在存储器1909内的数据，执行电子设备1900的各种功能和处理数据，从而对电子设备1900进行整体监控。处理器1910可包括一个或多个处理单元；优选的，处理器1910可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。
电子设备1900还可以包括给各个部件供电的电源1911，优选的，电源1911可以通过电源管理***与处理器1910逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述手势识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
本申请实施例还提出了一种芯片，包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如上述第一方面的手势识别方法的步骤，因而具备该手势识别方法的全部有益效果，在此不再赘述。
应理解，本申请实施例提到的芯片还可以称为***级芯片、***芯片、芯片***或片上***芯片等。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (19)

1.一种手势识别方法，其特征在于，包括：
获取目标图像中的手部区域子图像，确定与所述手部区域子图像中的多个特征点对应的多个特征点位置信息；
根据所述多个特征点位置信息，确定第一位置特征向量，所述第一位置特征向量表示所述多个特征点中的任一个特征点相对于所述多个特征点中其余特征点的相对位置关系；
根据所述多个特征点位置信息，确定第二位置特征向量，所述第二位置特征向量表示所述多个特征点在所述手部区域子图像中的绝对位置关系；
根据所述第一位置特征向量和所述第二位置特征向量，输出对所述手部区域子图像的识别结果。
2.根据权利要求1所述的手势识别方法，其特征在于，所述根据多个所述特征点位置信息，确定第一位置特征向量的步骤，具体包括：
根据多个所述特征点位置信息建立第一坐标矩阵，获取所述第一坐标矩阵的最大特征值所对应的第一特征向量；
通过第一多层感知机对所述第一特征向量进行处理，得到所述第一位置特征向量。
3.根据权利要求2所述的手势识别方法，其特征在于，
所述第一坐标矩阵中的元素为所述多个特征点中的任一个特征点相对于所述多个特征点中其余特征点中任一个特征点之间的欧式距离。
4.根据权利要求2所述的手势识别方法，其特征在于，
所述第一坐标矩阵为上三角矩阵。
5.根据权利要求1所述的手势识别方法，其特征在于，所述根据所述多个特征点位置信息，确定第二位置特征向量步骤，具体包括：
根据所述多个特征点位置信息得到第二特征向量；
通过第二多层感知机对所述第二特征向量处理，得到所述第二位置特征向量。
6.根据权利要求1所述的手势识别方法，其特征在于，所述根据所述第一位置特征向量和所述第二位置特征向量，输出所述手部区域子图像的识别结果的步骤，具体包括:
将所述第一位置特征向量的向量值与所述第二位置特征向量的向量值按位相加，以得到融合向量值；
通过第三多层感知机对所述融合向量值进行处理，得到分类向量；
将所述分类向量中的最大值对应的动作类别确定为所述手部区域子图像的识别结果。
7.根据权利要求1至6中任一项所述的手势识别方法，其特征在于，获取目标图像中的手部区域子图像，确定所述手部区域子图像中的特征点的特征点位置信息的步骤，具体包括：
通过预设的神经网络模型获取所述目标图像中的目标区域；
根据所述目标区域确定所述手部区域子图像，通过预设的神经网络模型识别所述手部区域子图像的多个特征点；
获取所述多个特征点的特征点位置信息。
8.根据权利要求1至6中任一项所述的手势识别方法，其特征在于，在所述获取目标图像中的手部区域子图像的步骤之前，还包括：
接收第一输入；
响应于所述第一输入，获取包含所述手部区域子图像的目标图像。
9.一种手势识别装置，其特征在于，包括：
获取单元，用于获取目标图像中的手部区域子图像，确定与所述手部区域子图像中的多个特征点对应的多个特征点位置信息；
特征确定单元，用于根据所述多个特征点位置信息，确定第一位置特征向量和第二位置特征向量，所述第一位置特征向量表示所述多个特征点中的任一个特征点相对于所述多个特征点中其余特征点的相对位置关系；所述第二位置特征向量表示所述多个特征点在所述手部区域子图像中的绝对位置关系；
输出单元，用于根据所述第一位置特征向量和所述第二位置特征向量，输出所述手部区域子图像的识别结果。
10.根据权利要求9所述的手势识别装置，其特征在于，所述特征确定单元包括：
第一特征获取子单元，用于根据多个所述特征点位置信息建立第一坐标矩阵，获取所述第一坐标矩阵的最大特征值所对应的第一特征向量；
第一特征确定子单元，用于通过第一多层感知机对所述第一特征向量进行处理，得到所述第一位置特征向量。
11.根据权利要求10所述的手势识别装置，其特征在于，
所述第一坐标矩阵中的元素为所述多个特征点中的任一个特征点相对于所述多个特征点中其余特征点中任一个特征点之间的欧式距离。
12.根据权利要求10所述的手势识别装置，其特征在于，
所述第一坐标矩阵为上三角矩阵。
13.根据权利要求9所述的手势识别装置，其特征在于，所述特征确定单元还包括：
第二特征获取子单元，用于根据所述多个特征点位置信息得到第二特征向量；
第二特征确定子单元，用于通过第二多层感知机对所述第二特征向量处理，得到所述第二位置特征向量。
14.根据权利要求9所述的手势识别装置，其特征在于，所述输出单元包括:
融合单元，用于将所述第一位置特征向量的向量值与所述第二位置特征向量的向量值按位相加，以得到融合向量值；
处理单元，用于通过第三多层感知机对所述融合向量值进行处理，得到分类向量；
确定单元，用于将所述分类向量中的最大值对应的动作类别确定为所述手部区域子图像的识别结果。
15.根据权利要求9至14中任一项所述的手势识别装置，其特征在于，所述获取单元包括：
区域获取子单元，通过预设的神经网络模型获取所述目标图像中的目标区域；
特征点获取子单元，根据所述目标区域确定所述手部区域子图像，通过预设的神经网络模型识别所述手部区域子图像的多个特征点；
位置信息子获取单元，用于获取所述多个特征点的特征点位置信息。
16.根据权利要求9至14中任一项所述的手势识别装置，其特征在于，所述手势识别装置，还包括：
接收单元，用于接收第一输入；
响应单元，用于响应于所述第一输入，获取包含所述手部区域子图像的目标图像。
17.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至8中任一项所述的手势识别方法的步骤。
18.一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上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至8中任一项所述的手势识别方法的步骤。
19.一种芯片，其特征在于，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如权利要求1至8中任一项所述的手势识别方法的步骤。
CN202110057731.XA 2021-01-15 2021-01-15 手势识别方法和装置、电子设备、可读存储介质和芯片 Pending CN112699849A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110057731.XA CN112699849A (zh) 2021-01-15 2021-01-15 手势识别方法和装置、电子设备、可读存储介质和芯片
EP21919188.9A EP4273745A4 (en) 2021-01-15 2021-12-31 GESTURE RECOGNITION METHOD AND APPARATUS, ELECTRONIC DEVICE, READABLE STORAGE MEDIUM AND CHIP
PCT/CN2021/143855 WO2022152001A1 (zh) 2021-01-15 2021-12-31 手势识别方法和装置、电子设备、可读存储介质和芯片
US18/222,476 US20230360443A1 (en) 2021-01-15 2023-07-16 Gesture recognition method and apparatus, electronic device, readable storage medium, and chip

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110057731.XA CN112699849A (zh) 2021-01-15 2021-01-15 手势识别方法和装置、电子设备、可读存储介质和芯片

Publications (1)

Publication Number Publication Date
CN112699849A true CN112699849A (zh) 2021-04-23

Family

ID=75515431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110057731.XA Pending CN112699849A (zh) 2021-01-15 2021-01-15 手势识别方法和装置、电子设备、可读存储介质和芯片

Country Status (4)

Country Link
US (1) US20230360443A1 (zh)
EP (1) EP4273745A4 (zh)
CN (1) CN112699849A (zh)
WO (1) WO2022152001A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780083A (zh) * 2021-08-10 2021-12-10 新线科技有限公司 一种手势识别方法、装置、设备及存储介质
WO2022152001A1 (zh) * 2021-01-15 2022-07-21 维沃移动通信有限公司 手势识别方法和装置、电子设备、可读存储介质和芯片
WO2023070933A1 (zh) * 2021-10-26 2023-05-04 深圳市鸿合创新信息技术有限责任公司 手势识别方法、装置、设备及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937743B (zh) * 2022-12-09 2023-11-14 武汉星巡智能科技有限公司 基于图像融合的婴幼儿看护行为识别方法、装置及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110110560A1 (en) * 2009-11-06 2011-05-12 Suranjit Adhikari Real Time Hand Tracking, Pose Classification and Interface Control
CN110688914A (zh) * 2019-09-09 2020-01-14 苏州臻迪智能科技有限公司 一种手势识别的方法、智能设备、存储介质和电子设备
CN111126339A (zh) * 2019-12-31 2020-05-08 北京奇艺世纪科技有限公司 手势识别方法、装置、计算机设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6141108B2 (ja) * 2013-06-07 2017-06-07 キヤノン株式会社 情報処理装置およびその方法
CN111158478B (zh) * 2019-12-26 2023-02-03 维沃移动通信有限公司 响应方法及电子设备
CN112699849A (zh) * 2021-01-15 2021-04-23 维沃移动通信有限公司 手势识别方法和装置、电子设备、可读存储介质和芯片

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110110560A1 (en) * 2009-11-06 2011-05-12 Suranjit Adhikari Real Time Hand Tracking, Pose Classification and Interface Control
CN110688914A (zh) * 2019-09-09 2020-01-14 苏州臻迪智能科技有限公司 一种手势识别的方法、智能设备、存储介质和电子设备
CN111126339A (zh) * 2019-12-31 2020-05-08 北京奇艺世纪科技有限公司 手势识别方法、装置、计算机设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022152001A1 (zh) * 2021-01-15 2022-07-21 维沃移动通信有限公司 手势识别方法和装置、电子设备、可读存储介质和芯片
CN113780083A (zh) * 2021-08-10 2021-12-10 新线科技有限公司 一种手势识别方法、装置、设备及存储介质
WO2023070933A1 (zh) * 2021-10-26 2023-05-04 深圳市鸿合创新信息技术有限责任公司 手势识别方法、装置、设备及介质

Also Published As

Publication number Publication date
US20230360443A1 (en) 2023-11-09
EP4273745A4 (en) 2024-05-15
WO2022152001A1 (zh) 2022-07-21
EP4273745A1 (en) 2023-11-08

Similar Documents

Publication Publication Date Title
WO2021104197A1 (zh) 对象跟踪方法及电子设备
CN111476780B (zh) 一种图像检测方法、装置、电子设备以及存储介质
CN112699849A (zh) 手势识别方法和装置、电子设备、可读存储介质和芯片
CN108712603B (zh) 一种图像处理方法及移动终端
CN110062171B (zh) 一种拍摄方法及终端
CN109005336B (zh) 一种图像拍摄方法及终端设备
CN108777766B (zh) 一种多人拍照方法、终端及存储介质
CN109495616B (zh) 一种拍照方法及终端设备
CN108259746B (zh) 一种图像色彩检测方法及移动终端
JP7467667B2 (ja) 検出結果出力方法、電子機器及び媒体
CN109246351B (zh) 一种构图方法及终端设备
CN109068063B (zh) 一种三维图像数据的处理、显示方法、装置及移动终端
WO2021104266A1 (zh) 对象显示方法及电子设备
CN108462826A (zh) 一种辅助拍照的方法及移动终端
WO2021082772A1 (zh) 截屏方法及电子设备
CN110086998B (zh) 一种拍摄方法及终端
CN109669710B (zh) 便签处理方法及终端
CN110944163A (zh) 一种图像处理方法及电子设备
US20210406524A1 (en) Method and device for identifying face, and computer-readable storage medium
CN112818733B (zh) 信息处理方法、装置、存储介质及终端
CN108063884B (zh) 一种图像处理方法及移动终端
CN111046215B (zh) 一种图像处理方法、装置、存储介质及移动终端
CN111145083B (zh) 一种图像处理方法、电子设备及计算机可读存储介质
CN110012225B (zh) 一种图像处理的方法、装置以及移动终端
CN109144368B (zh) 一种图片的转换方法和终端

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