[发明专利]基于深度信息的手部检测方法及系统

说明书

本发明公开了一种基于深度信息的手部检测方法和系统。包括：获取人体的当前深度图像；根据当前深度图像，标记出手部在当前深度图像中的初始位置坐标；对当前深度图像进行归一化处理；根据归一化处理后的当前深度图像，基于预设的多层卷积神经网络模型，得到包括手部检测的各选定区域；根据各选定区域进行非极大值抑制运算，得到最优的选定区域；对最优的选定区域进行图像后处理，得到手部在当前深度图像中的最终位置坐标。本发明的基于深度信息的手部检测方法，消除了传统有关深度图检测手部方法对手部必须在摄像头最前方的条件限制，同时又能够准确找到手的位置，通过非极大值抑制运算和图像后处理，能进一步提升手部掌心的位置精度。

技术领域

本发明涉及手部检测技术领域，特别涉及一种基于深度信息的手部检测方法和一种基于深度信息的手部检测系统。

背景技术

随着新的交互技术和应用的不断发展，尤其是AR(增强现实)和VR(虚拟现实)的快速发展，手势相关技术被视为下一代新的最具代表性的交互技术。可以实现非接触式远程人机交互。在智能家居领域，智能家电或机器人可以通过手势进行控制和命令；在VR和AR邻域中可以达到逼真的实际体验，在游戏和教学过程中，极大地增强用户体验等等。所有的手势交互技术都涉及到手部检测算法。一般的常见的手部检测算法主要是基于2D彩色图上进行检测或者在深度图上通过传统的图像处理方法找到最近点所在区域默认是手所在位置，这些方法要么完全依赖像素信息，抗干扰能力差，要么对手部所在位置区域有一定的限制。当人手活动范围较大时候，往往检测不够精确。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种基于深度信息的手部检测方法和一种基于深度信息的手部检测系统。

为了实现上述目的，本发明的第一方面，提供了一种基于深度信息的手部检测方法，包括：

步骤S120、获取人体的当前深度图像；

步骤S130、根据所述当前深度图像，标记出手部在所述当前深度图像中的初始位置坐标；

步骤S140、对所述当前深度图像进行归一化处理；

步骤S150、根据归一化处理后的当前深度图像，基于预设的多层卷积神经网络模型，得到包括手部检测的各选定区域；

步骤S160、根据各选定区域进行非极大值抑制运算，得到最优的选定区域；

步骤S170、对所述最优的选定区域进行图像后处理，得到手部在所述当前深度图像中的最终位置坐标。

可选地，所述方法还包括：

S110：更新预设的多层卷积神经网络模型的步骤。

可选地，所述步骤S110包括：

获取人体的手的各深度图像，其中，所述各深度图像包括手的各种姿势的深度图像；

根据各深度图像，标记出手部在对应的各深度图像中的初始位置坐标；

对各深度图像进行归一化处理；

将归一化处理后的各深度图像输入卷积神经网络模型，进行训练，直到满足迭代次数或者损失收敛，完成更新所述预设的多层卷积神经网络模型。

可选地，所述对各深度图像进行归一化处理的步骤包括：

对所述各深度图像在预先设定的深度范围[-1,1]或[0,1]内作归一化处理。

可选地，所述对所述最优的选定区域进行图像后处理包括：

平滑滤波、膨胀腐蚀和轮廓检测中的至少一种。

本发明的第二方面，提供了一种基于深度信息的手部检测系统，包括：

获取模块，用于获取人体的当前深度图像；