[发明专利]手势识别方法及相关设备

说明书

本发明提供一种手势识别方法及相关设备。包括：获取多种标准手势的特征；根据每种标准手势的特征训练一个二分类随机森林并组成多分类随机森林；获取待识别手势的特征；对待识别手势的特征进行预设轮数的判定，每轮判定从当前剩余的每个二分类随机森林中选择一棵决策树进行判定；若当前剩余的二分类随机森林的数量为一，则将当前剩余的二分类随机森林对应标准手势确定为识别结果；若当前剩余的每个二分类随机森林的决策树选择完毕，则将取得最大正结论票数的二分类随机森林对应标准手势确定为识别结果；若当前剩余的二分类随机森林的决策树未选择完毕，则从多分类随机森林中去除满足剪枝条件的二分类随机森林。本发明可以快速得到手势识别结果。

技术领域

本发明涉及人工智能技术领域，具体涉及一种手势识别方法及相关设备。

背景技术

随机森林是一种由决策树构成的集成算法。随机森林包含多棵决策树，根据多数判决的方式决定预测的类别。在训练每棵决策树时，随机选取一定数量的样本用于训练，最后得到的随机森林具有泛化能力强、鲁棒性高的特点。

可以将多个二分类随机森林构成多分类随机森林，用于进行多类别识别。传统的由二分类随机森林构成的多分类随机森林预测算法，决策树按照预测时的读取顺序集中存储在存储器中，测试数据经过每个二分类随机森林的所有决策树的判定，才得出最终的结果。该方案需要从存储器中顺序加载全部决策树的数据，且进行所有决策树的判定。假设一棵决策树的最大深度为D，则一棵树的判定过程最多需要进行D次比较和节点数据的读取。由于每个二分类随机森林的决策树的数目较多，多分类随机森林需要消耗大量时间进行分类。

随着人工智能的发展，手势控制已经成为一种重要的人机交互手段，手势控制的关键是手势识别。由于具有泛化能力强、鲁棒性高的特点，多分类随机森林常会用在手势控制中。然而，实际系统(例如嵌入式系统)的硬件资源有限，多分类随机森林需要消耗大量时间进行手势识别，降低了系统的运行速度，不能满足系统的实时性需求。

发明内容

鉴于以上内容，有必要提出一种手势识别方法、装置、计算机设备及存储介质，其可以减小利用多分类随机森林进行手势识别的时间，快速得到手势识别结果。

本申请的第一方面提供一种手势识别方法，所述方法包括：

(a)获取多种标准手势的特征；

(b)根据每种标准手势的特征对该种标准手势训练一个二分类随机森林，将所有二分类随机森林组成多分类随机森林，每个二分类随机森林包括预设数量的决策树；

(c)获取待识别手势的特征；

(d)从所述多分类随机森林当前剩余的每个二分类随机森林中选择一棵决策树对所述待识别手势的特征进行一轮判定；

(e)判断对所述待识别手势的特征进行判定的轮数是否达到预设轮数，若对所述待识别手势的特征进行判定的轮数未达到预设轮数，则返回(d)；

(f)若对所述待识别手势的特征进行判定的轮数达到预设轮数，则判断所述多分类随机森林当前剩余的二分类随机森林的数量是否为一；

(g)若所述多分类随机森林当前剩余的二分类随机森林的数量为一，则将所述多分类随机森林当前剩余的二分类随机森林对应的标准手势确定为所述待识别手势的识别结果；

(h)若所述多分类随机森林当前剩余的二分类随机森林的数量不为一，则计算所述多分类随机森林当前剩余的每个二分类随机森林的正结论票数，根据所述多分类随机森林当前剩余的每个二分类随机森林的正结论票数确定最大正结论票数，判断所述多分类随机森林当前剩余的每个二分类随机森林的决策树是否选择完毕；

(i)若所述多分类随机森林当前剩余的每个二分类随机森林的决策树选择完毕，则将取得所述最大正结论票数的二分类随机森林对应的标准手势确定为所述待识别手势的识别结果；