[发明专利]一种动态手势识别方法及系统

权利要求书

1.一种动态手势识别方法，其特征在于，所述方法包括步骤：

S1、根据一预设的采样帧数，获取一组具有所述采样帧数的图像的手部动作视频；

S2、根据一预设的mobileNetv2-ssd深度学习模型，对每一帧图像进行手型识别，获取每一帧图像所对应的手型类别，其中，所述手型类别包括第一状态的手型、中间状态的手型和第二状态的手型；

S3、根据时间顺序对所有帧图像进行排列，当手型类别为所述中间状态的手型的连续帧图像的帧数大于一预设的帧数阈值，并且所述手型类别为所述第一状态的手型的连续帧图像的帧数大于所述帧数阈值，以及所述手型类别为所述第二状态的手型的连续帧图像的帧数大于所述帧数阈值时，标记所述手势的手势名称；

所述步骤S3包括：

将相邻两帧图像分别记录为第一帧图像和第二帧图像；

将所述第一帧图像和第二帧图像分别分成64*64个小方格；

将所述第一帧图像中的每一个小方格中的像素值进行累加计算，得到所述第一帧图像对应的第一特征值区块；

所述第二帧图像中的每一个小方格中的像素值进行累加计算，得到所述第二帧图像对应的第二特征值区块；

将所述第一特征值区块与所述第二特征值区块两两相减，获得到一个新的特征值区块，对新的特征值区块累计求和，得到相邻两帧图像之间的汉明距离；

设置一阈值，当所述汉明距离小于所述阈值时，则所述第一帧图像和第二帧图像的手型类别相似；

当判定所述第一帧图像和第二帧图像的手型类别相似后，根据IoU方法判断所述第一帧图像和第二帧图像的手型类别是否一致。

2.如权利要求1所述的动态手势识别方法，其特征在于，所述步骤S1包括：所述采样帧数设置为每秒25帧。

3.如权利要求2所述的动态手势识别方法，其特征在于，所述步骤S1还包括：

若图像帧数大于25帧的手部动作视频，根据下面公式计算降采样系数，

M＝N/(N-25)；

其中，N为手部动作视频的原始帧数；

M为降采样系数，M作四舍五入取整数；

每隔M帧后丢弃一帧，得到采样帧数为每秒25帧的手部动作视频。

4.如权利要求1所述的动态手势识别方法，其特征在于，所述步骤S2包括：

根据所述mobileNetv2-ssd深度学习模型，对每一帧图像进行图像识别；获取每一帧图像所对应的手型类别、手位置信息以及手部长宽信息；

所述手型类别包括第一状态的手型、中间状态的手型和第二状态的手型。

5.如权利要求4所述的动态手势识别方法，其特征在于，所述IoU方法的计算步骤包括：

计算所述第一帧图像和第二帧图像中内容的重合部分的之和与非重合部分之和的比例值；

若所述比例值为大于或等于一预设比例阈值，则所述第一帧图像和第二帧图像的手型类别一致；

若所述比例值为小于所述比例阈值，则所述第一帧图像和第二帧图像的手型类别不一致。

6.如权利要求5所述的动态手势识别方法，其特征在于，所述帧数阈值设置为5帧。

7.一种动态手势识别系统，其特征在于，所述系统包括：

采样模块，用于根据一预设的采样帧数，获取一组具有所述采样帧数的图像的手部动作视频；

手型识别模块，用于根据一预设的mobileNetv2-ssd深度学习模型，对每一帧图像进行手型识别，获取每一帧图像所对应的手型类别，其中，所述手型类别包括第一状态的手型、中间状态的手型和第二状态的手型

手势识别模块，用于根据时间顺序对所有帧图像进行排列，当手型类别为所述中间状态的手型的连续帧图像的帧数大于一预设的帧数阈值，并且所述手型类别为所述第一状态的手型的连续帧图像的帧数大于所述帧数阈值，以及所述手型类别为所述第二状态的手型的连续帧图像的帧数大于所述帧数阈值时，标记所述手势的手势名称；

相似度模块，用于将相邻两帧图像分别记录为第一帧图像和第二帧图像，将所述第一帧图像和第二帧图像分别分成64*64个小方格，将所述第一帧图像中的每一个小方格中的像素值进行累加计算，得到所述第一帧图像对应的第一特征值区块，所述第二帧图像中的每一个小方格中的像素值进行累加计算，得到所述第二帧图像对应的第二特征值区块，将所述第一特征值区块与所述第二特征值区块两两相减，获得到一个新的特征值区块，对新的特征值区块累计求和，得到相邻两帧图像之间的汉明距离，设置一阈值，当所述汉明距离小于所述阈值时，则所述第一帧图像和第二帧图像的手型类别相似；

判断模块，用于当所述汉明距离小于一预设的阈值时，则根据IoU方法，判断所述相邻两帧图像的手型类别是否一致。