[发明专利]手势识别方法、装置、设备、存储介质以及程序产品

说明书

本公开的实施例公开了手势识别方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于手势识别场景下。该方法的一具体实施方式包括：获取手部图像；将手部图像输入至预先训练的手势识别模型，得到手势识别结果，其中，手势识别模型用于融合其提取的手部图像特征与预先训练的手部关键点检测模型提取的手部图像特征，以及根据融合结果生成手势识别结果。该实施方式有助于提升手势识别的准确度。

技术领域

本公开的实施例涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于手势识别场景下。

背景技术

手势识别是计算机科学和语言技术中的一个主题，以使人们能够通过手势与机器进行通信。近几年，随着增强现实AR、短视频、直播、在线教育、智能家居、智慧交通、空中键盘等各种行业的迅猛发展，手势识别随之被应用于其中。

手势识别的方法主要包括利用硬件设备的识别方法和基于计算机视觉的识别方法。其中，利用硬件设备通常是利用各种硬件与用户手部连接，直接检测手部的空间位置和各手指的角度等手势信息，从而实现手势识别。基于计算机视觉的识别方法主要是利用视频采集设备等采集手部的图像或视频，然后通过各种计算机视觉技术对采集的图像或视频进行分析，以实现对手势的识别。

发明内容

本公开的实施例提出了手势识别方法、装置、设备、存储介质以及程序产品。

第一方面，本公开的实施例提供了一种手势识别方法，该方法包括：获取手部图像；将手部图像输入至预先训练的手势识别模型，得到手势识别结果，其中，手势识别模型用于融合其提取的手部图像特征与预先训练的手部关键点检测模型提取的手部图像特征，以及根据融合结果生成手势识别结果。

第二方面，本公开的实施例提供了一种手势识别装置，该装置包括：图像获取模块，被配置成获取手部图像；识别模块，被配置成将手部图像输入至预先训练的手势识别模型，得到手势识别结果，其中，手势识别模型用于融合其提取的手部图像特征与预先训练的手部关键点检测模型提取的手部图像特征，以及根据融合结果生成手势识别结果。

第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开实施例提供的手势识别方法主要利用多任务学习技术，通过手势识别模型和手部关键点检测模型的联合训练，使得手势识别模型在手势识别过程中可以融合手部关键点检测模型所提取的、用于手部关键点检测的手部图像特征来辅助手势识别，从而有助于提升手势识别的准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开可以应用于其中的示例性系统架构图；

图2是本公开的手势识别方法的一个实施例的流程图；

图3是本公开的手势识别模型和手部关键点检测模型的联合训练网络结构的一个实施例的示意图；

图4是根据本公开的手势识别装置的一个实施例的结构示意图；