[發(fā)明專利]手勢圖像分類方法、裝置、計算機設備及存儲介質

有效

• 申請?zhí)枺?/td>: 202010467866.9
• 申請日: 2020-05-28
• 公開（公告）號: CN111626364B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設計）人: 徐佳琪
• 申請（專利權）人: 中國聯(lián)合網絡通信集團有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774
• 代理公司: 北京天昊聯(lián)合知識產權代理有限公司 11112
• 代理人: 羅建民;杜丹丹

1.一種手勢圖像分類方法，其特征在于，包括：

對輸入的多幅手勢圖像分別進行檢測以得到各幅手勢圖像中指尖的數量，并根據檢測出的指尖數量將多幅手勢圖像劃分為若干組別；

將各個組別的手勢圖像分別進行分類訓練，以得到各個組別的分類器函數；以及，

利用各個組別的分類器函數分別對各個組別的手勢圖像進行計算，以得到各個組別的手勢圖像的手勢類型分類結果；

所述對輸入的多幅手勢圖像分別進行檢測以得到各幅手勢圖像中指尖的數量，包括：

對輸入的多幅手勢圖像分別進行輪廓檢測以得到各幅手勢圖像的近似輪廓；

對各幅手勢圖像的近似輪廓進行多邊形擬合以得到各幅手勢圖像的近似輪廓的多邊形擬合結果；

利用預設的凸包檢測函數對各幅手勢圖像的近似輪廓的多邊形擬合結果進行凸包檢測以得到各幅手勢圖像的凸形狀；以及，

根據預設規(guī)則對各幅手勢圖像的凸形狀上的各個點進行篩選，篩選出比周圍預設數量個點距離掌心都遠且與掌心間距大于設定閾值的點，將篩選出的點作為所述凸形狀上的區(qū)間極值點，所述區(qū)間極值點的數量為對應手勢圖像的指尖數量。

2.根據權利要求1所述的方法，其特征在于，所述根據預設規(guī)則對各幅手勢圖像的凸形狀上的各個點進行篩選，篩選出比周圍預設數量個點距離掌心都遠且與掌心間距大于設定閾值的點，將篩選出的點作為所述凸形狀上的區(qū)間極值點，包括：

獲取各幅手勢圖像的凸形狀上的各個點坐標；

對各幅手勢圖像的凸形狀進行掌心提取以得到各幅手勢圖像的掌心坐標；

測量各幅手勢圖像的凸形狀上的各個點坐標與對應手勢圖像的掌心坐標之間的距離，得到各幅手勢圖像的距離數組；

根據各幅手勢圖像的距離數組的平均值及手勢類型分別設定與各幅手勢圖像對應的閾值；以及，

基于各幅手勢圖像的距離數組分別從各幅手勢圖像的凸形狀上的各個點中篩選出比周圍預設數量個點距離掌心都遠且與掌心間距大于對應閾值的點，作為所述凸形狀上的區(qū)間極值點。

3.根據權利要求2所述的方法，其特征在于，所述對各幅手勢圖像的凸形狀進行掌心提取以得到各幅手勢圖像的掌心坐標，包括：

獲取各幅手勢圖像的幾何不變矩特征；以及，

根據各幅手勢圖像的幾何不變矩特征得到各幅手勢圖像的0階矩M00、1階水平矩M10和1階垂直矩M01，則各幅手勢圖像的掌心坐標為：X＝M10/M00；Y＝M01/M00。

4.根據權利要求1所述的方法，其特征在于，所述根據檢測出的指尖數量將多幅手勢圖像劃分為若干組別，至少包括：

將多幅手勢圖像劃分為指尖數量檢測為0的手勢圖像組別、指尖數量檢測為1-2的手勢圖像組別，以及指尖數量檢測為3-5的手勢圖像組別。

5.根據權利要求1所述的方法，其特征在于，所述將各個組別的手勢圖像分別進行分類訓練，以得到各個組別的分類器函數，包括：

獲取同一組別的各幅手勢圖像的五維幾何不變矩特征數值和手勢類型；

對于同一組別的各幅手勢圖像，將每幅手勢圖像的五維幾何不變矩特征數值與該幅手勢圖像的手勢類型的識別標志組成向量，以得到同一組別的各幅手勢圖像的對應向量；以及，

將同一組別的各幅手勢圖像的對應向量作為待訓練數據輸入至預設分類訓練器進行分類訓練，以得到該組別的分類器函數。