本發(fā)明公開了一種手勢識(shí)別方法，方法包括：獲取視頻文件中的第t幀圖像；將第t幀圖像輸入已訓(xùn)練的手勢識(shí)別模型，并控制手勢識(shí)別模型對第t幀圖像進(jìn)行手勢識(shí)別，得到第t幀圖像對應(yīng)的圖像手勢；當(dāng)圖像手勢為靜態(tài)手勢類型時(shí)，將圖像手勢作為目標(biāo)手勢；當(dāng)圖像手勢為動(dòng)態(tài)手勢類型時(shí)，迭代獲取視頻文件中的幀圖像，并根據(jù)幀圖像對應(yīng)的圖像手勢，確定視頻文件對應(yīng)的目標(biāo)手勢；根據(jù)目標(biāo)手勢，確定視頻文件對應(yīng)的手勢指令。本發(fā)明通過對手勢模型的優(yōu)化以及動(dòng)態(tài)手勢類型和靜態(tài)手勢類型識(shí)別的結(jié)合，提高在對手勢識(shí)別精確度。

技術(shù)領(lǐng)域

本發(fā)明涉及生物識(shí)別技術(shù)領(lǐng)域，尤其涉及一種手勢識(shí)別方法。

背景技術(shù)

隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展，人機(jī)交互在各個(gè)領(lǐng)域應(yīng)用也越來越廣泛。手勢是一種直觀、自然且快速地與計(jì)算機(jī)進(jìn)行通信的交互技術(shù)。因此，手勢識(shí)別技術(shù)也是目前人機(jī)交互技術(shù)中研究的重點(diǎn)方向之一。目前，手勢識(shí)別技術(shù)已普遍應(yīng)用于各種智能終端中，通過手勢控制終端完成相應(yīng)的功能操作，可實(shí)現(xiàn)對智能終端自然靈活的操作，增強(qiáng)操作的簡便性及用戶的體驗(yàn)度。然而，手勢識(shí)別技術(shù)也依然存在一定的瓶頸，如何在基于大分辨圖像下并且處于復(fù)雜的環(huán)境背景中快速準(zhǔn)確的識(shí)別手勢，以讓智能終端實(shí)時(shí)響應(yīng)完成相應(yīng)的功能，這也是目前手勢識(shí)別技術(shù)研究的一個(gè)熱點(diǎn)問題和難點(diǎn)問題。

目前應(yīng)用于手勢識(shí)別的方式主要有三種，第一種是采用機(jī)器學(xué)習(xí)方法，利用傳統(tǒng)圖像處理方法對攝取圖像進(jìn)行預(yù)處理，然后對手勢進(jìn)行分割以及定位，最后設(shè)計(jì)分類器對手勢進(jìn)行分類，分類出相應(yīng)的手勢；第二種是采用深度學(xué)習(xí)方法，先通過CNN(Convolutional Neural Networks，簡稱CNN)網(wǎng)絡(luò)回歸定位出人，然后在檢測到人的基礎(chǔ)上再設(shè)計(jì)一個(gè)CNN網(wǎng)絡(luò)對手勢進(jìn)行定位與分類，從而確定手勢類型；第三種同樣也是利用深度學(xué)習(xí)思想設(shè)計(jì)CNN網(wǎng)絡(luò)直接檢測出手部骨骼的關(guān)鍵點(diǎn)，然后利用關(guān)鍵點(diǎn)位置關(guān)系，進(jìn)而可以判別每個(gè)手勢的類別。

對于方法一，在復(fù)雜場景或者大分辨圖像背景下，雖然這種方法速度快，但是魯棒性差，準(zhǔn)確率低，難以滿足實(shí)際應(yīng)用；對于方法二，通過設(shè)計(jì)CNN網(wǎng)絡(luò)先定位人，在對手勢進(jìn)行定位與分類識(shí)別，此種方法對于大分辨圖像以及復(fù)雜場景下，能保證較高的識(shí)別精度，穩(wěn)定性高，但是這種方法往往在嵌入式設(shè)備上速度往往較慢，硬件內(nèi)存消耗大，不利于量產(chǎn)使用。而對于方法三，在大分辨率圖像下，由于手部占整個(gè)圖像的比例比較小，往往會(huì)導(dǎo)致漏檢，從而導(dǎo)致整個(gè)識(shí)別的精度不高，另外，在復(fù)雜場景下，這種方法也會(huì)把一些背景納入手勢識(shí)別的范圍，從而導(dǎo)致手勢誤檢。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種手勢識(shí)別方法、智能終端及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中手勢識(shí)別準(zhǔn)確率低的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種手勢識(shí)別方法，所述手勢識(shí)別方法包括如下步驟：

獲取視頻文件中的第t幀圖像，其中，t為正整數(shù)；

將所述第t幀圖像輸入已訓(xùn)練的手勢識(shí)別模型，并控制所述手勢識(shí)別模型對所述第t幀圖像進(jìn)行手勢識(shí)別，得到所述第t幀圖像對應(yīng)的圖像手勢；

當(dāng)所述圖像手勢為靜態(tài)手勢類型時(shí)，將所述圖像手勢作為目標(biāo)手勢；

當(dāng)所述圖像手勢為動(dòng)態(tài)手勢類型時(shí)，迭代獲取所述視頻文件中的幀圖像，并根據(jù)所述幀圖像對應(yīng)的圖像手勢，確定所述視頻文件對應(yīng)的目標(biāo)手勢；

根據(jù)所述目標(biāo)手勢，確定所述視頻文件對應(yīng)的手勢指令。

可選地，所述的手勢識(shí)別方法，其中，所述手勢識(shí)別模型包括基于預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的模型，所述神經(jīng)網(wǎng)絡(luò)的主干網(wǎng)絡(luò)為輕量級神經(jīng)網(wǎng)絡(luò)；所述輕量級神經(jīng)網(wǎng)絡(luò)包括網(wǎng)絡(luò)擴(kuò)張系數(shù)為小于六倍的MobileNet2網(wǎng)絡(luò)。

可選地，所述的手勢識(shí)別方法，其中，所述手勢識(shí)別模型的訓(xùn)練過程包括：

獲取訓(xùn)練樣本集，并對所述訓(xùn)練樣本集進(jìn)行標(biāo)注，得到所述訓(xùn)練樣本集中各個(gè)訓(xùn)練圖像對應(yīng)的標(biāo)注信息；