[發明專利]手勢識別方法、裝置、存儲介質、電子裝置

在審

• 申請號: 202010802913.0
• 申請日: 2020-08-11
• 公開（公告）號: CN112036261A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 王磊;胡江明;潘威滔;李雷雷
• 申請（專利權）人: 海爾優家智能科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙靜

本發明提供了一種手勢識別方法、裝置、存儲介質、電子裝置，其中，該方法包括：確定目標圖像；使用第一模型對目標圖像的特征進行提取，確定目標圖像的目標特征圖，其中，第一模型為使用多組第一數據對第一初始模型通過機器學習訓練出的，每組第一數據均包括：圖像和圖像的特征圖，第一初始模型為對目標模型的目標層進行調整之后得到的；使用第二模型識別目標特征圖中包括的目標手勢，其中，第二模型為使用多組第二數據對第二初始模型通過機器學習訓練出的，每組第二數據均包括：特征圖和特征圖中包括的手勢。通過本發明，解決了相關技術中存在的應用場景單一、手勢識別準確率低的問題，能夠處理復雜場景下的交互手勢識別，提高了手勢識別準確率。

技術領域

本發明涉及通信領域，具體而言，涉及一種手勢識別方法、裝置、存儲介質、電子裝置。

背景技術

近年來，隨著人工智能技術的快速發展，人機交互成為人工智能領域中重要的研究領域，為了滿足實際應用的需要，研究基于計算機視覺的人機手勢交流方法具有重要的應用價值。例如智能家居手勢交互：智能家電、家用機器人、可穿戴等硬件設備，通過用戶的手勢控制對應的功能，人機交互方式更加智能化、自然化。更為高效、舒適的交互方式是讓機器能夠直接理解人的肢體語言，在各種肢體語言中手勢最為簡單、方便，因此可以將它作為一種簡單、高效的人機交互方式，有著十分廣闊的應用前景。

隨著應用場景的不斷增多，對手勢識別的要求越來越高，基于手勢的人機交互中，一個很重要的過程是對手勢進行識別。傳統的手勢識別包括基于模板匹配、基于數據手套和基于隱馬爾科夫模型等方法。其中，基于模板匹配的交互方法需要手工設計一個標準手勢庫，將模板與輸入圖像進行匹配，工序復雜，遷移性差；基于數據手套的交互方法，其設備昂貴，一旦重新更換手套，需要重新訓練，很不方便；基于隱馬爾科夫模型的手勢識別方法，其計算量大、速度慢、過程復雜；通過人工建模等方式設計手勢描述特征的過程十分繁瑣、無法深度挖掘更高層次、更多維度的特征信息，這就導致基于傳統方法的模型泛化性差、很難達到實時檢測目的。基于計算機視覺的手勢識別方法可以有效克服傳統方法的弊處，相關技術中已有一些基于計算機視覺的手勢識別方法，比如基于CNN的靜態手勢識別方法、基于遷移學習的手勢識別方法等，但是這些現有方法識別率不夠高。

由此可知，相關技術中存在應用場景單一、手勢識別準確率低的問題。

針對相關技術中存在的上述問題，目前尚未提供有效的解決方案。

發明內容

本發明實施例提供了一種手勢識別方法、裝置、存儲介質、電子裝置，以至少解決相關技術中存在的應用場景單一、手勢識別準確率低的問題。

根據本發明的一個實施例，提供了一種手勢識別方法，包括：確定目標圖像；使用第一模型對所述目標圖像的特征進行提取，確定所述目標圖像的目標特征圖，其中，所述第一模型為使用多組第一數據對第一初始模型通過機器學習訓練出的，每組第一數據均包括：圖像和圖像的特征圖，所述第一初始模型為對目標模型的目標層進行調整之后得到的；使用第二模型識別所述目標特征圖中包括的目標手勢，其中，所述第二模型為使用多組第二數據對第二初始模型通過機器學習訓練出的，每組第二數據均包括：特征圖和特征圖中包括的手勢。

根據本發明的另一個實施例，提供了一種手勢識別裝置，包括：第一確定模塊，用于確定目標圖像；第二確定模塊，用于使用第一模型對所述目標圖像的特征進行提取，確定所述目標圖像的目標特征圖，其中，所述第一模型為使用多組第一數據對第一初始模型通過機器學習訓練出的，每組第一數據均包括：圖像和圖像的特征圖，所述第一初始模型為對目標模型的目標層進行調整之后得到的；識別模塊，用于使用第二模型識別所述目標特征圖中包括的目標手勢，其中，所述第二模型為使用多組第二數據對第二初始模型通過機器學習訓練出的，每組第二數據均包括：特征圖和特征圖中包括的手勢。

根據本發明的又一個實施例，還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行上述任一項方法實施例中的步驟。