[发明专利]一种手势识别方法

权利要求书

1.一种手势识别方法，其特征在于，所述手势识别方法包括：

获取视频文件中的第t帧图像，其中，t为正整数；

将所述第t帧图像输入已训练的手势识别模型，并控制所述手势识别模型对所述第t帧图像进行手势识别，得到所述第t帧图像对应的图像手势；

当所述图像手势为静态手势类型时，将所述图像手势作为目标手势；

当所述图像手势为动态手势类型时，迭代获取所述视频文件中的帧图像，并根据所述帧图像对应的图像手势，确定所述视频文件对应的目标手势。

2.根据权利要求1所述的手势识别方法，其特征在于，所述手势识别模型包括基于预设的神经网络训练得到的模型，所述神经网络的主干网络为轻量级神经网络，所述轻量级神经网络包括网络扩张系数为小于六倍的MobileNet2网络。

3.根据权利要求1所述的手势识别方法，其特征在于，所述手势识别模型的训练过程包括：

获取训练样本集，并对所述训练样本集进行标注，得到所述训练样本集中各个训练图像对应的标注信息；

针对每一个所述训练图像，将该训练图像输入预设的初始模型，并控制所述初始模型对该训练样图像进行手势识别，得到该训练图像对应的预测结果；

计算该训练图像对应的标注信息和预测结果之间的损失值；

基于所述损失值，对所述初始模型的参数进行调整，直至所述初始模型收敛，得到所述手势识别模型。

4.根据权利要求3所述的手势识别方法，其特征在于，所述训练样本集包括正样本子集和负样本子集；

所述正样本子集包括包含所述图像手势的训练图像，其中，所述训练图像包括不同站姿的图像、不同手势姿态、不同背景的图像以及不同光照的图像；

所述负样本子集包括包含非图像手势的训练图像。

5.根据权利要求4所述的手势识别方法，其特征在于，所述训练样本集的获取方法包括：

获取初始图像；

针对每一个所述初始图像，对该初始图像进行数据增强处理，生成与该初始图像对应的训练图像；

根据所述训练图像是否包含所述图像手势，将所述训练图像进行分类，生成所述正训练图像子集和所述负训练图像子集。

6.根据权利要求5所述的手势识别方法，其特征在于，所述针对每一个所述初始图像，对该初始图像进行数据增强处理，生成与该初始图像对应的修饰图像，具体包括：

针对每一个初始图像，对该初始图像进行预处理，生成与该初始图像对应的中间图像；

根据预设的裁剪规则，对所述中间图像进行裁剪，生成该初始图像对应的训练图像。

7.根据权利要求1-6中任意一项所述的手势识别方法，其特征在于，所述手势识别模型包括手势定位层、特征提取层和分类器；所述将所述第t帧图像输入已训练的手势识别模型，并控制所述手势识别模型对所述第t帧图像进行手势识别，得到所述第t帧图像对应的图像手势，具体包括：

将所述第t帧图像输入所述手势定位层；

所述手势定位层对所述第t帧图像进行目标定位，得到所述第t帧图像中的关键点，并根据所述关键点，确定所述第t帧图像对应的手势区域；

所述特征提取层对所述手势区域进行特征提取，得到所述手势区域对应的手势特征；

所述分类器对所述手势特征进行分类，确定所述第t帧图像对应的图像手势。

8.根据权利要求7所述的手势识别方法，其特征在于，所述关键点包括成对的对角坐标；所述手势定位层对所述第t帧图像进行目标定位，得到所述第t帧图像中的关键点之后，还包括：

计算所述对角坐标的横坐标的平均值和纵坐标的平均值，得到所述第t帧图像对应的中心点坐标。