[发明专利]一种动态手势识别系统及方法

说明书

本发明公开了一种动态手势识别系统及方法，动态手势识别系统包括图像采集器、关节识别模块和动态手势识别模块，通过图像采集器实时采集被测人员的视频图像信息；关节识别模块采用人体姿势估计的深度学习模型来识别图像采集器实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；动态手势识别模块根据关节识别模块输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。本发明可以识别动态的手势；对图像质量和选取特征依赖度不高，具有很好的鲁棒性。

技术领域

本发明涉及识别技术领域，尤其公开了一种动态手势识别系统及方法。

背景技术

在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动。用户可以使用简单的手势来控制或与设备交互，让计算机理解人类的行为。其核心技术为手势分割、手势分析以及手势识别。现有手势识别系统主要基于图像处理里的目标检测与识别方法，具体涉及到手势检测、分割、手势特征提取以及手势识别技术，主要受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势。

因此，现有手势识别系统受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势，是一件亟待解决的技术问题。

发明内容

本发明提供了一种动态手势识别系统及方法，旨在解决现有手势识别系统受限于图像质量以及手势特征工程困难影响，并且只支持静态的手势的技术问题。

本发明的一方面涉及一种动态手势识别系统，包括图像采集器、关节识别模块和动态手势识别模块，其中，

图像采集器，用于实时采集被测人员的视频图像信息；

关节识别模块，用于采用人体姿势估计的深度学习模型来识别图像采集器实时采集的视频图像中被测人员的各个关节点，并在视频图像中输出各个关节点的相关位置信息；

动态手势识别模块，用于根据关节识别模块输出的关节点位置信息，计算出每个动态手势输入中各个关节点的运动轨迹，并将计算出的各个关节点的运动轨迹与预建在基准动态手势库中的动态手势基准关节点轨迹信息进行比对，完成对动态手势的识别。

进一步地，动态手势识别系统还包括基准数据模型构建模块，

基准数据模型构建模块，用于采集动态手势中各个关节点的轨迹信息来构建基准数据模型，各个关节点的运动轨迹为直线移动或摆动。

进一步地，动态手势识别系统还包括训练模块，

训练模块，用于利用基准数据模型构建模块构建的基准数据模型、以及图像采集器采集的视频图像文件完成对动态手势识别模块基准数据模型的训练。

进一步地，关节识别模块包括关节识别单元和标定单元，

关节识别单元，用于识别图像采集器实时采集的视频图像中被测人员的各个关节点；

标定单元，用于标识关节识别单元识别的被测人员的各个关节点在视频图像中的偏移位置。

进一步地，动态手势识别模块包括生成单元、比较单元和运动轨迹识别单元，

生成单元，用于实时记录关节识别模块传回的各个关节点的相关位置信息，并根据获取的被测人员在静止状态间的手势数据，在线生成运动轨迹；

比较单元，用于将实时计算出的各个关节点的运动轨迹与基准动态手势库中预设的各运动手势作比较；

运动轨迹识别单元，用于选取与基准动态手势库中动作手势偏差值最小且偏差值在充许偏差阀值以内的运动手势作为识别结果。