[发明专利]一种手势识别方法及手势识别系统

说明书

本申请公开了一种手势识别方法及手势识别系统，该方法包括如下步骤：获得手势检测数据；根据手势检测数据获得手指列表；根据手指的距离和方向信息，获得手部关节位置信息；将手部关节位置信息输入用户类型判断模型，获得用户类型；根据用户类型判断用户手势所执行的操作。本申请能够尽可能的提升用户在使用传感器设备时的操作体验，增加手势识别的可检测性与可识别性，提高整体技术的运动模式，在可识别范围内，解决误判与手相似的工具的模型操作问题。

技术领域

本申请涉及计算机领域，特别的涉及一种手势识别方法及手势识别系统。

背景技术

近几年，智能手机和平板的普及使触屏类手势交互成为研究热点。手势追踪是手势交互不可缺少的关键技术，也是这种交互能否推广应用的瓶颈问题之一。近两年，也有人把Kinect体感技术用于动态手势识别中，但Kinect主要追踪的是中远距(0.5m-4m)的全身动作，对于手部的动作，细节信息不够。而Leap Motion的出现，弥补了Kinect的精度问题，它是一个检测手势运动的传感器，动作跟踪精确到0.01mm，精准度是Kincet的100倍。而且设备小，成本低，扩展性强，易于内置到笔记本等其他设备上。

在使用LeapMotion获得手势后，利用资源库匹配数据进行手势识别，在产品的应用中以达到用户在操作时的代入感，主要技术是利用资源库中的数据公式，通过手势映射的方式，识别合适的手势区间，在一体机中播放时，自动调节手势数值，并匹配资源库数据，更换所需的服务等级。

在手势映射的过程中，提供多个属性来绑定男人、女人、小孩的手的物理特性，属性的计算方式根据男人、女人、小孩的手的特点，使用传感器捕捉数据，并及时反馈给系统，系统读取后同步到资源库，寻找与属性相同的模型并映射给一体机，以此在一体机中可以通过计算公式的方式来匹配资源库数据，并及时的替换模型，在用户使用产品的同时，保证与自己的性别，年龄相匹配的模型体验。

LeapMotion虽然可以尽可能的为用户提供关于手的信息，不过程序的检测并不能达到可以确定每一帧的属性。在LeapMotion设备中，可识别区域范围内类似于手或者手指的形状工具都会被误判为手，物理特性的相似工具在识别范围内观察到的手势或者运动模式会影响用户的想法和操作体验，能够被LeapMotion设备所识别的手势和运动模式太少，不能达到用户体验的标准。

发明内容

本申请请求保护一种手势识别方法和手势识别系统，解决现有的传感器无法精确识别手势的技术问题。

本申请提供一种手势识别方法，包括如下步骤：获得手势检测数据；根据手势检测数据获得手指列表；根据手指的距离和方向信息，获得手部关节位置信息；将手部关节位置信息输入用户类型判断模型，获得用户类型；根据用户类型判断用户手势所执行的操作。

优选地，其中预先建立用户类型判断模型，包括如下步骤：输入手势检测数据；根据手势检测数据获得手指列表；根据手指的距离和方向信息，获得手部关节位置信息；根据手部关节位置信息对手势检测数据进行分类，获得多个类别，形成用户类型判断模型。

优选地，其中根据手部关节位置信息对手势检测数据进行分类，包括根据手部关节的位置、关节大小和关节间距离中的一个或多个分类参数进行分类。

优选地，其中预先建立用户类型判断模型还包括对用户类型判断模型进行调整的步骤：使用建立的用户类型判断模型进行用户类型判断；如果存在无法判断的手势检测数据，则对分类参数进行调整。

优选地，其中根据手部检测数据获得手指列表包括如下子步骤：根据手部检测数据获得手掌的方向和手指指尖的方向；根据手掌的方向和指尖的方向所存在的夹角和手掌的法向量与指尖方向的夹角，判断每个手指尖所表示的每个手指，将获得的每个手指的手指数据记录在手指列表中。