[發(fā)明專利]一種手勢識別方法及手勢識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911376416.2
• 申請日: 2019-12-27
• 公開（公告）號: CN111142663A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設計）人: 李小波;蔡小禹;何磊
• 申請（專利權(quán)）人: 恒信東方文化股份有限公司
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00
• 代理公司: 北京卓特專利代理事務所(普通合伙) 11572
• 代理人: 陳變花

本申請公開了一種手勢識別方法及手勢識別系統(tǒng)，該方法包括如下步驟：獲得手勢檢測數(shù)據(jù)；根據(jù)手勢檢測數(shù)據(jù)獲得手指列表；根據(jù)手指的距離和方向信息，獲得手部關(guān)節(jié)位置信息；將手部關(guān)節(jié)位置信息輸入用戶類型判斷模型，獲得用戶類型；根據(jù)用戶類型判斷用戶手勢所執(zhí)行的操作。本申請能夠盡可能的提升用戶在使用傳感器設備時的操作體驗，增加手勢識別的可檢測性與可識別性，提高整體技術(shù)的運動模式，在可識別范圍內(nèi)，解決誤判與手相似的工具的模型操作問題。

技術(shù)領(lǐng)域

本申請涉及計算機領(lǐng)域，特別的涉及一種手勢識別方法及手勢識別系統(tǒng)。

背景技術(shù)

近幾年，智能手機和平板的普及使觸屏類手勢交互成為研究熱點。手勢追蹤是手勢交互不可缺少的關(guān)鍵技術(shù)，也是這種交互能否推廣應用的瓶頸問題之一。近兩年，也有人把Kinect體感技術(shù)用于動態(tài)手勢識別中，但Kinect主要追蹤的是中遠距(0.5m-4m)的全身動作，對于手部的動作，細節(jié)信息不夠。而Leap Motion的出現(xiàn)，彌補了Kinect的精度問題，它是一個檢測手勢運動的傳感器，動作跟蹤精確到0.01mm，精準度是Kincet的100倍。而且設備小，成本低，擴展性強，易于內(nèi)置到筆記本等其他設備上。

在使用LeapMotion獲得手勢后，利用資源庫匹配數(shù)據(jù)進行手勢識別，在產(chǎn)品的應用中以達到用戶在操作時的代入感，主要技術(shù)是利用資源庫中的數(shù)據(jù)公式，通過手勢映射的方式，識別合適的手勢區(qū)間，在一體機中播放時，自動調(diào)節(jié)手勢數(shù)值，并匹配資源庫數(shù)據(jù)，更換所需的服務等級。

在手勢映射的過程中，提供多個屬性來綁定男人、女人、小孩的手的物理特性，屬性的計算方式根據(jù)男人、女人、小孩的手的特點，使用傳感器捕捉數(shù)據(jù)，并及時反饋給系統(tǒng)，系統(tǒng)讀取后同步到資源庫，尋找與屬性相同的模型并映射給一體機，以此在一體機中可以通過計算公式的方式來匹配資源庫數(shù)據(jù)，并及時的替換模型，在用戶使用產(chǎn)品的同時，保證與自己的性別，年齡相匹配的模型體驗。

LeapMotion雖然可以盡可能的為用戶提供關(guān)于手的信息，不過程序的檢測并不能達到可以確定每一幀的屬性。在LeapMotion設備中，可識別區(qū)域范圍內(nèi)類似于手或者手指的形狀工具都會被誤判為手，物理特性的相似工具在識別范圍內(nèi)觀察到的手勢或者運動模式會影響用戶的想法和操作體驗，能夠被LeapMotion設備所識別的手勢和運動模式太少，不能達到用戶體驗的標準。

發(fā)明內(nèi)容

本申請請求保護一種手勢識別方法和手勢識別系統(tǒng)，解決現(xiàn)有的傳感器無法精確識別手勢的技術(shù)問題。

本申請?zhí)峁┮环N手勢識別方法，包括如下步驟：獲得手勢檢測數(shù)據(jù)；根據(jù)手勢檢測數(shù)據(jù)獲得手指列表；根據(jù)手指的距離和方向信息，獲得手部關(guān)節(jié)位置信息；將手部關(guān)節(jié)位置信息輸入用戶類型判斷模型，獲得用戶類型；根據(jù)用戶類型判斷用戶手勢所執(zhí)行的操作。

優(yōu)選地，其中預先建立用戶類型判斷模型，包括如下步驟：輸入手勢檢測數(shù)據(jù)；根據(jù)手勢檢測數(shù)據(jù)獲得手指列表；根據(jù)手指的距離和方向信息，獲得手部關(guān)節(jié)位置信息；根據(jù)手部關(guān)節(jié)位置信息對手勢檢測數(shù)據(jù)進行分類，獲得多個類別，形成用戶類型判斷模型。

優(yōu)選地，其中根據(jù)手部關(guān)節(jié)位置信息對手勢檢測數(shù)據(jù)進行分類，包括根據(jù)手部關(guān)節(jié)的位置、關(guān)節(jié)大小和關(guān)節(jié)間距離中的一個或多個分類參數(shù)進行分類。

優(yōu)選地，其中預先建立用戶類型判斷模型還包括對用戶類型判斷模型進行調(diào)整的步驟：使用建立的用戶類型判斷模型進行用戶類型判斷；如果存在無法判斷的手勢檢測數(shù)據(jù)，則對分類參數(shù)進行調(diào)整。

優(yōu)選地，其中根據(jù)手部檢測數(shù)據(jù)獲得手指列表包括如下子步驟：根據(jù)手部檢測數(shù)據(jù)獲得手掌的方向和手指指尖的方向；根據(jù)手掌的方向和指尖的方向所存在的夾角和手掌的法向量與指尖方向的夾角，判斷每個手指尖所表示的每個手指，將獲得的每個手指的手指數(shù)據(jù)記錄在手指列表中。