[發明專利]移動終端握持手勢識別方法、移動終端及可讀存儲介質

在審

• 申請號: 201711029283.2
• 申請日: 2017-10-26
• 公開（公告）號: CN107797751A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 王秀琳
• 申請（專利權）人: 努比亞技術有限公司
• 主分類號: G06F3/0488
• 分類號: G06F3/0488;G06N3/04;G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所44287
• 代理人: 胡海國

1.一種移動終端握持手勢識別方法，其特征在于，所述移動終端的正面和背面都存在觸摸屏，所述移動終端握持手勢識別方法包括：

當檢測到用戶握持移動終端的握持操作時，獲取用戶觸摸所述移動終端觸摸屏的觸控圖片；

預處理所述觸控圖片，得到預處理后的所述觸控圖片；

將預處理后的所述觸控圖片輸入至預置的卷積神經網絡模型中，以識別出用戶當前的握持手勢。

2.如權利要求1所述的移動終端握持手勢識別方法，其特征在于，所述將預處理后的所述觸控圖片輸入至預置的卷積神經網絡模型中，以識別出用戶當前的握持手勢的步驟包括：

解析預處理后的所述觸控圖片，得到所述觸控圖片對應的像素點矩陣；

將所述像素點矩陣輸入至預置的所述卷積神經網絡模型中，以識別出用戶當前的握持手勢。

3.如權利要求2所述的移動終端握持手勢識別方法，其特征在于，所述將所述像素點矩陣輸入至預置的所述卷積神經網絡模型中，以識別出用戶當前的握持手勢的步驟包括：

將所述像素點矩陣輸入所述卷積神經網絡模型中，得到輸出結果；

根據所述輸出結果對應標識信息確定用戶當前的握持手勢，其中，所述握持手勢包括左手握持、右手握持和雙手握持。

4.如權利要求1所述的移動終端握持手勢識別方法，其特征在于，所述預處理所述觸控圖片，得到預處理后的所述觸控圖片的步驟包括：

對所述觸控圖片進行裁剪，并變更裁剪后所述觸控圖片的透明度，得到變更透明度后的所述觸控圖片；

將變更透明度后的所述觸控圖片轉變為灰度圖片，將所述灰度圖片進行壓縮，以得到預處理后的所述觸控圖片。

5.如權利要求1至4任一項所述的移動終端握持手勢識別方法，其特征在于，所述當檢測到用戶握持移動終端的握持操作時，獲取用戶觸摸所述移動終端觸摸屏的觸控圖片的步驟之前，還包括：

獲取各個操作模式對應的觸控圖片集，并對各個觸控圖片集中的觸控圖片進行預處理操作，得預處理后的所述觸控圖片集，其中，所述觸控圖片集中的任一觸控圖片都對應著一個模式標識，每一模式標識對應一種操作模式；

在預處理后的所述觸控圖片集中選取預設第一比例的所述觸控圖片作為訓練圖片集；

根據所述訓練圖片集訓練卷積神經網絡模型。

6.如權利要求5所述的移動終端握持手勢識別方法，其特征在于，所述根據所述訓練圖片集訓練卷積神經網絡模型的步驟之后，還包括：

在預處理后的所述觸控圖片集中選取預設第二比例的所述觸控圖片作為測試圖片集；

將所述測試圖片集對應的觸控圖片輸入所述卷積神經網絡模型，得到測試結果；

若所述測試結果滿足預設條件，則確認所述卷積神經網絡模型訓練成功。

7.如權利要求5所述的移動終端握持手勢識別方法，其特征在于，所述根據所述訓練圖片集訓練卷積神經網絡模型的步驟包括：

從所述訓練圖片集中獲取訓練圖片數據，并初始化卷積神經網絡模型的預置參數，得到初始化后的所述預置參數；

根據所述訓練圖片數據和所述預置參數進行卷積計算，得到卷積結果；

獲取預置的第一偏置量參數，根據所述第一偏置量參數對所述卷積結果進行非線性化處理，得到第一結果；

對所述第一結果進行池化處理和歸一化處理，得到處理后的所述第一結果；

獲取預置的第二偏置量參數，根據所述第二偏置量參數對處理后的所述第一結果進行非線性化處理，得到第二結果；

基于預設函數，根據所述第二結果計算出預測握持標識序列；

計算所述預測握持標識序列與所述訓練圖片集中觸控圖片對應的訓練握持標識序列之間的損失值；

根據所述損失值優化所述卷積神經網絡模型的參數，得到優化后的參數，并根據優化后的參數得到所述卷積神經網絡模型。