[发明专利]建立手势识别模型的方法、装置、存储介质及电子设备

说明书

本公开涉及一种建立手势识别模型的方法、装置、存储介质及电子设备，所述方法包括：获取多类手势样本的数值特征和图像HOG特征；针对每类所述手势样本，对该类手势样本的数值特征和图像HOG特征进行特征融合，得到该类手势样本的目标特征集合；根据各类所述手势样本的目标特征集合，建立手势识别模型。通过本公开的技术方案，相比于现有技术中仅通过各类手势样本的数值特征建立手势识别模型，可以提升手势识别模型的预测精度。

技术领域

本公开涉及人机交互技术领域，具体地，涉及一种建立手势识别模型的方法、装置、存储介质及电子设备。

背景技术

当前，人机交互技术已经从计算机为中心逐步转移到以用户为中心，是多种通道、多种媒体的交互技术。手势是一种自然、直观、易于学习的人机交互手段，其在人机交互技术中占有重要的地位。基于手势的人机交互技术，是以用户的手势作为计算机的输入，通过对手势进行识别实现对目标设备的控制。

现有技术中，通常通过Leap Motion等体感设备获取各类手势的数值特征，基于这些数值特征建立手势识别模型并根据手势识别模型对待识别手势进行识别。然而，现有的手势识别模型的识别精度不高，容易造成手势误识别，进而在实际应用中将导致系统接收到错误的机器指令，影响用户体验。

发明内容

为了克服现有技术中存在的问题，本公开是提供一种建立手势识别模型的方法、装置、存储介质及电子设备。

为了实现上述目的，本公开提供一种建立手势识别模型的方法，包括：

获取多类手势样本的数值特征和图像HOG特征；

针对每类所述手势样本，对该类手势样本的数值特征和图像HOG特征进行特征融合，得到该类手势样本的目标特征集合；

根据各类所述手势样本的目标特征集合，建立手势识别模型。

可选地，所述获取多类手势样本的数值特征，包括：

获取该类手势样本的以下数值特征：

该类手势样本各指尖的角度A_i；该类手势样本各指尖之间的距离T_i,j；该类手势样本各指尖与该类手势样本的掌心之间的欧式距离D_i；该类手势样本各指尖到该类手势样本的手掌的掌面之间的垂直距离E_i；

所述对该类手势样本的数值特征和图像HOG特征进行特征融合，包括：

将任意所述数值特征进行组合，得到多个数值特征组合；

分别将每一所述数值特征组合与所述图像HOG特征进行融合，得到该类手势样本的多个特征组合，所述目标特征集合包括所述多个特征组合；

所述根据各类所述手势样本的目标特征集合，建立手势识别模型，包括：

针对每类所述手势样本，根据该类手势样本的各个所述特征组合分别对该类手势样本对应的分类器进行训练，得到多个候选分类器；

将所述多个候选分类器中精度最高的候选分类器作为该类手势样本对应的目标分类器；

根据各类所述手势样本对应的目标分类器，建立所述手势识别模型。

可选地，所述数值特征包括以下至少一种：

该类手势样本各指尖的角度A_i；该类手势样本各指尖之间的距离T_i,j；该类手势样本各指尖与该类手势样本的掌心之间的欧式距离D_i；该类手势样本各指尖到该类手势样本的手掌的掌面之间的垂直距离E_i；

所述根据各类所述手势样本的目标特征集合，建立手势识别模型，包括：