[發明專利]數據處理方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202110259635.3
• 申請日: 2021-03-10
• 公開（公告）號: CN113033343A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 胡良軍;羅德海;洪毅強;王樂;廖智勇
• 申請（專利權）人: 咪咕動漫有限公司;咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;曹娜

本申請提供一種數據處理方法、裝置、電子設備及計算機可讀存儲介質。所述方法包括：獲取手指骨骼的關節點的初始坐標數據；對所述初始坐標數據進行歸一化處理，獲得每個關節點的歸一化處理后的坐標數據；利用預設彎曲角度，對目標關節點的歸一化處理后的坐標數據進行調整，獲得根據所述預設彎曲角度進行關節彎曲后的手指骨骼的關節點坐標；其中，所述目標關節點為除拇指以外的其他手指骨骼的關節點。本申請的實施例，能夠有效解決及優化由于不同人手的形狀或手大小所造成的個體差異性，并豐富了手勢骨骼21個3D關鍵點手指關節彎曲的數據，使其應用于手勢骨骼21個3D關鍵點模型訓練時具有更好的泛化能力。

技術領域

本申請涉及數據處理技術領域，尤其是涉及一種數據處理方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著人工智能技術的不斷成熟，越來越多的應用場景開始支持人機交互，而手勢交互則是一種常見的人機交互方式，手勢交互的關鍵在于手部關鍵點識別。現有的手勢骨骼21個3D關鍵點數據歸一化處理方法是采用某一個手指的關節長度作為各關鍵點坐標的模長進行歸一化處理。然而該技術方案無法解決不同人手的形狀或手大小所造成的個體差異性。不僅如此，現有的手勢骨骼21個3D關鍵點數據還采用了生成對抗網絡(GenerativeAdversarial Networks，GAN)網絡生成的手勢骨骼數據，通過網絡生成的手勢骨骼數據進行預測，手指的關節長度會出現怪異，因此現有的3D手勢關鍵點預測模型所預測的3D手勢骨骼關鍵點數據不準確。

發明內容

本申請實施例提供一種數據處理方法裝置、電子設備及計算機可讀存儲介質，以解決現有的3D手勢關鍵點預測模型所預測的3D手勢骨骼關鍵點數據不準確的問題。

為了解決上述問題，本申請是這樣實現的：

第一方面，本申請的實施例提供了一種數據處理方法，包括：

獲取手指骨骼的關節點的初始坐標數據；

對所述初始坐標數據進行歸一化處理，獲得每個關節點的歸一化處理后的坐標數據；

利用預設彎曲角度，對目標關節點的歸一化處理后的坐標數據進行調整，獲得根據所述預設彎曲角度進行關節彎曲后的手指骨骼的關節點坐標；

其中，所述目標關節點為除拇指以外的其他手指骨骼的關節點。

可選地，所述對所述初始坐標數據進行歸一化處理，獲得每個關節點的歸一化處理后的坐標數據，包括：

根據所述初始坐標數據，計算相鄰兩個關節點形成的每個關節段對應的長度均值；

根據所述長度均值，計算所述關節段的單位方向向量；

根據所述長度均值以及所述單位方向向量計算每個關節點的歸一化處理后的坐標數據。

可選地，根據所述初始坐標數據，計算相鄰兩個關節點形成的每個關節段對應的長度均值，包括：

根據所述初始坐標數據，計算手指骨骼的相鄰兩個關節點形成的每個關節段的模長；

分別計算每個關節段的模長的均值。

可選地，所述利用預設彎曲角度，對目標關節點的歸一化處理后的坐標數據進行調整，獲得根據所述預設彎曲角度進行關節彎曲后的手指骨骼的關節點坐標，包括：

針對目標手指骨骼相鄰的四個目標關節點，將其中的第三目標關節點和第四目標關節點圍繞第一法向量的單位向量旋轉第一預設角度，獲得第三目標關節點更新后的坐標，以及第四目標關節點更新的后第一坐標；

將坐標更新后的第四目標關節點圍繞第二法向量的單位向量旋轉第二預設角度，獲得所述第四目標關節點更新后的第二坐標；