[发明专利]一种手势识别的方法

权利要求书

1.一种手势识别的方法，其特征在于，所述方法包括以下步骤：

S1，手部识别，通过识别手部检测神经网络检测出所有手部所在位置；

S2，手部关键点识别，将步骤S1中识别出的手部信息传入手部关键点检测神经网络，检测出的21个手部关键点的信息，分别记为关键点0、关键点1、……关键点20；

S3，手势识别，建立手势位置坐标，进一步包括：

S3.1，区分左右手：分别通过表示食指根部位置的关键点5记为x₅与中指根部位置的关键点9记为x₉、关键点9与无名指根部位置的关键点13记为x₁₃、关键点13与小拇指根部位置的关键点17记为x₁₇的x坐标关系来判断左右手，即：

当x₅x₉，x₉x₁₃，x₁₃x₁₇同时满足时，判断为左手；

当x₅x₉，x₉x₁₃，x₁₃x₁₇同时满足时，判断为右手；

S3.2，关键点校准：区分出左右手后，分别根据左右手的手部标准关键点坐标，将检测出的手部关键点进行校准；

S3.3，判断手指状态：根据手指的对应关键点的坐标位置关系，判断各个手指的状态是打开状态还是闭合状态；

S3.4，判断手势：通过五个手指的状态来判断手势。

2.根据权利要求1所述的一种手势识别的方法，其特征在于，所述步骤S1中检测出所有手部所在位置，进一步包括：

所述手部检测神经网络为应用大量含有手部的图片数据并通过监督学习的方法即大量数据的迭代训练出的一个数学模型，该模型能够得出图片中手部位置，这个模型的输入是图片，输出结果是手部在图片中的位置；将图片输入到手部检测神经网络中检测，其中，模型中的参数通过长时间大量数据不断优化迭代出来，训练手部检测模型；

手部检测的神经网络的最终输出是框定手部轮廓的矩形框的左上角和右下角的坐标x0，y0，x1，y1，这得到了图片中手部的所在区域及位置，即卷积神经网络的输出就是图片中手部区域矩形框的左上右下坐标。

3.根据权利要求2所述的一种手势识别的方法，其特征在于，所述步骤S2中所述手部关键点检测神经网络，进一步包括：

利用卷积神经网络，训练一个用于检测所述手部关键点的位置信息的网络模型，网络输出是42个数，表示为x₀[x,y],x₁[x,y],……,x₂₀[x,y],21个关键点的坐标信息,S1步骤检测出人体手部区域后，将手部区域抠出，将抠出的图片输入到关键点卷积神经网络，即得到想要的手部关键点的信息。