[发明专利]一种手势识别处理方法

说明书

本发明涉及人与计算机的互动识别领域，具体是一种手势识别处理方法；其特征是：包括手部图像采集及检测模块、手部关键点（各手指关节等）数据处理模块、手势特征提取模块、数据处理模块；还包括步骤：摄像头拍摄手部照片；使用手部检测器进行手部信息采集，及关键点提取；对手部关键点数据进行处理，包括手部图像的缩放及关键点数据归一化；采集手部关键点位置数据建立特征向量，设定手势标签建立手势特征库；设置匹配阈值并将新的手势数据匹配语料库中已有的特征向量，输出匹配结果。本方法可便捷地自定义配置手势库，可适用个性化多样化要求，优化算力配置；适合使用于人流量大需快速识别的领域。数据采集设备仅依赖于普通摄像头，大大降低了使用成本。

技术领域

本发明涉及人与计算机的互动识别领域，具体是一种一种手势识别处理方法。

背景技术

目前，普遍的手势识别方法主要分为几个方向：1、利用图像或者是深度信息，双目摄像头或者是深度摄像头；2、利用手套等可穿戴设备，测量由于关节运动导致的物理变化量。而上述方法中，利用摄像头获取数据并识别的技术存在识别准确率低、模型灵活性差，对图像背景要求高的一系列问题，而对出穿戴设备而言，其价格昂贵并且用于展项中的交互体验环节还存在普遍适应性较差的问题。

发明内容

本发明的目的在于克服上述缺陷，提出一种基于普通摄像机图像的手势识别实现提升展项的互动体验效果的方法。

为了达到上述目的，本发明是这样实现的：

一种手势识别处理方法，包括手部图像采集及检测模块、手部关键点数据处理模块、手势特征提取模块、数据处理模块；还包括下述步骤：

步骤1、摄像头拍摄手部照片；

步骤2、使用手部检测器进行手部信息采集，及关键点提取；

步骤3、对手部关键点数据进行处理，包括手部图像的缩放及关键点数据归一化；

步骤4、采集手部关键点位置数据建立特征向量，设定手势标签建立手势特征库；

步骤5、设置匹配阈值并将新的手势数据匹配语料库中已有的特征向量，输出匹配结果。

所述的手势识别处理方法，步骤2~步骤4中，利用Handnet及基于协同过滤的相似度算法实现手势识别。

所述的手势识别处理方法，将手部关节关键点位置信息到手势识别的过程转化为位姿匹配过程，其中，距离公式如下：

上式中，Ck为第k个关键点的置信度，xyk为第k个关键点的x、y坐标，加权匹配提供更精确的结果当D值越小表明匹配度越高，通过多人大量测试设定阈值，小于设定阈值则认为匹配成功，输出匹配结果即手势识别结果。

本方法通过自定义来配置手势库，可适用个性化多样化要求，优化算力配置。通过智能匹配算法和同类型多数据采样可同时保证模型的低误识率和低拒识率。通过并行处理和多库集成方法可实现超多类别手势的快速准确识别。适合使用于人流量大需快速识别的领域。数据采集设备仅依赖于普通摄像头，大大降低了使用成本。

附图说明

图1为搭载了本方法的手势识别系统示意图。

具体实施方式

以下通过具体实施例进一步说明本发明。

如图1所示，一种手势识别处理方法，包括手部图像采集及检测模块、手部关键点数据处理模块、手势特征提取模块、数据处理模块；还包括下述步骤：

步骤1、摄像头1拍摄手部照片；

步骤2、使用手部检测器2进行手部信息采集及关键点提取；

步骤3、对手部关键点数据进行处理，包括手部图像的缩放及关键点数据归一化；

步骤4、采集手部关键点位置数据建立特征向量，设定手势标签建立手势特征库；

步骤5、设置匹配阈值并将新的手势数据匹配语料库中已有的特征向量，显示屏3输出匹配结果。