[发明专利]静态手势识别方法及其系统和电子设备

权利要求书

1.静态手势识别方法，其特征在于，包括步骤：

基于从输入图像中提取的待识别手势的多个手掌关键点的信息，计算出该待识别手势的多个关键点特征，以在多个维度上对该待识别手势的五指姿态进行描述；和

对该待识别手势的该多个关键点特征进行分类识别，以输出手势识别结果。

2.如权利要求1所述的静态手势识别方法，其中，该待识别手势的该多个手掌关键点包括五指的指关节、五指的指尖以及手掌的腕关节。

3.如权利要求2所述的静态手势识别方法，其中，该待识别手势的该多个手掌关键点的信息包括该多个手掌关键点的二维坐标数据。

4.如权利要求3所述的静态手势识别方法，其中，所述基于从输入图像中提取的待识别手势的多个手掌关键点的信息，计算出该待识别手势的多个关键点特征，以在多个维度上对该待识别手势的五指姿态进行描述的步骤，包括步骤：

基于该待识别手势的该多个手掌关键点的该二维坐标数据，计算相邻的该手掌关键点之间的距离和向量；

根据同一手指上相邻的该手掌关键点之间的距离，计算出该同一手指上指节间的长度比值以作为该待识别手势的该关键点特征；以及

根据该同一手指上相邻的该手掌关键点之间的向量，计算出该同一手指上指节间的夹角以作为该待识别手势的该关键点特征。

5.如权利要求4所述的静态手势识别方法，其中，所述基于从输入图像中提取的待识别手势的多个手掌关键点的信息，计算出该待识别手势的多个关键点特征，以在多个维度上对该待识别手势的五指姿态进行描述的步骤，进一步包括步骤：

根据相邻手指上相邻的该手掌关键点之间的距离，计算出该相邻手指上指节间的长度比值以作为该待识别手势的该关键点特征；和

根据该相邻手指上相邻的该手掌关键点之间的向量，计算出该相邻手指上指节间的夹角以作为该待识别手势的该关键点特征。

6.如权利要求5所述的静态手势识别方法，其中，所述基于从输入图像中提取的待识别手势的多个手掌关键点的信息，计算出该待识别手势的多个关键点特征，以在多个维度上对该待识别手势的五指姿态进行描述的步骤，进一步包括步骤：

根据特定的手掌关键点之间的距离，计算出特定关键点间的距离比值以作为该待识别手势的该关键点特征；和

根据该特定的手掌关键点之间的向量，计算出特定关键点向量间的夹角以作为该待识别手势的该关键点特征。

7.如权利要求4至6中任一所述的静态手势识别方法，其中，该待识别手势的该多个关键点特征进一步包括该手掌关键点之间的相对深度和绝对距离，或者该待识别手势的轮廓面积和轮廓长宽比。

8.如权利要求1至6中任一所述的静态手势识别方法，其中，所述对该待识别手势的该多个关键点特征进行分类识别，以输出手势识别结果的步骤，包括步骤：

加载训练好的随机森林分类模型；

基于该待识别手势的该多个关键点特征，对该待识别手势的该多个手掌关键点进行分类，以获得该待识别手势相当于某一感兴趣手势的最大预测概率；

响应于该最大预测概率小于一预设阈值，认定该待识别手势不属于任一感兴趣手势；以及

响应于该最大预测概率大于或等于该预设阈值，输出所识别出的感兴趣手势。

9.如权利要求8所述的静态手势识别方法，进一步包括步骤：

通过样本手势的手掌关键点在多个维度上特征值的差异，对随机森林分类模型进行训练，以获得该训练好的随机森林分类模型。

10.静态手势识别系统，其特征在于，包括相互可通信地连接的：

一特征计算模块，用于基于从输入图像中提取的待识别手势的多个手掌关键点的信息，计算出该待识别手势的多个关键点特征，以在多个维度上对该待识别手势的五指姿态进行描述；和

一分类识别模块，用于对该待识别手势的该多个关键点特征进行分类识别，以输出手势识别结果。