[發明專利]基于手勢識別的投票方法與系統、電子設備

在審

• 申請號: 202110345251.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113065458A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 王洪;周有喜
• 申請（專利權）人: 新疆愛華盈通信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市嘉勤知識產權代理有限公司 44651
• 代理人: 辛鴻飛

本申請公開一種基于手勢識別的投票方法與系統、電子設備，通過檢測圖像中手勢的關鍵點，根據關鍵點的位置判斷手勢為預設手勢時，按照預設投票規則進行投票計數，實現對圖像中手勢的識別，進而達到無需依賴投票器實現投票計數的目的。

技術領域

本申請涉及技術領域，具體涉及一種基于手勢識別的投票方法與系統、電子設備。

背景技術

在一些綜藝節目中，表演者完成表演后，需要觀眾對表演進行投票打分，這時觀眾通過按下現場設置的投票器中對應按鈕，給喜愛的表演進行投票。

然而，通過現場的投票器投票，當觀眾人數過多可能出現投票器的數量不足的情況，而且不同場所的投票器的規格有所不同，需要觀眾學習掌握多種不同的投票器的使用方法。

因此，現有技術有待改進。

發明內容

鑒于此，本申請提供一種基于手勢識別的投票方法與系統、電子設備，以解決現有的投票方法需要依賴投票器實現的問題。

一方面，提供一種基于手勢識別的投票方法，包括：

獲取攝像頭采集的圖像；

對所述圖像進行手勢檢測，獲取手勢中預設數量的關鍵點；

當根據所述關鍵點的位置判斷所述手勢為預設手勢時，按照預設投票規則進行投票計數。

在其中的一個實施例中，所述對所述圖像進行手勢檢測，獲取所述手勢中預設數量的關鍵點包括：

采用關鍵點檢測模型對所述圖像進行處理，獲取手勢中預設數量的關鍵點；

其中，所述關鍵點檢測模型包括由5層卷積層、3層全連接層以及輸出層構成的深度學習網絡。

在其中的一個實施例中，所述根據關鍵點的位置判斷所述手勢為預設手勢，包括：

獲取預設手勢的預設關鍵點在圖像中的位置；

計算所述關鍵點的位置與預設關鍵點在圖像中的位置的相似度；

當所述相似度滿足預設相似度閾值時，判斷所述手勢為預設手勢。

在其中的一個實施例中，所述采用關鍵點檢測深度學習網絡模型對所述圖像進行處理之前，還包括構建訓練集對所述關鍵點檢測模型進行訓練；

其中，所述構建訓練集的步驟包括：

通過多個攝像頭獲取當前訓練手勢的多個視角的圖像；

采用關鍵點檢測模型對所述訓練手勢的多個視角的圖像分別進行向前傳播處理，分別獲得每個視角圖像的多個關鍵點；

通過多個視角的圖像中的多個關鍵點，并結合視覺定位中三角測量原理建立關鍵點空間定位模型；

當多個視角的圖像中的第一視角圖像在所述進行向前傳播處理的過程中未獲取得到第一關鍵點時，根據所述關鍵點空間模型以及第一視角圖像中已獲取的關鍵點的位置，在第一視角圖像中標記所述第一關鍵點的位置；

將所述多個視角圖像以及獲取的所有關鍵點，構建訓練集。

在其中的一個實施例中，在所述分別獲得每個視角圖像的關鍵點之后，在所述通過三角測量原理建立關鍵點空間模型之前，還包括：

獲取每個視角的圖像中的每個關鍵點的置信度；

根據每個視角的圖像中的每個關鍵點的置信度，計算得到置信度評分；

當所述置信度評分小于預設置信度評分時，則刪除當前所述訓練手勢的所有視角的圖像。

在其中的一個實施例中，所述置信度評分的計算公式為：