一种手势识别方法、装置及终端与流程

[0001]
本发明属于手势识别技术领域，尤其涉及一种手势识别方法、装置及终端。


背景技术：

[0002]
手势识别作为一种新型的人机交互方式，已经逐渐被熟知和认可。而相较于视觉识别和红外识别方式，基于毫米波雷达的手势识别不受光线和温度的影响、能够穿透障碍物，具有很高的可靠性。
[0003]
然而，本申请的发明人发现，现有技术中基于毫米波雷达的手势识别方法大多是通过训练cnn(卷积神经网络)识别模型，并根据距离-多普勒图来提取手势特征，该方法由于会引入大量参数，导致手势识别过程需要占用大量的计算资源，并且耗时长、效率低。


技术实现要素：

[0004]
有鉴于此，本发明实施例提供了一种手势识别方法、装置及终端，以解决现有技术中的手势识别方法计算量大、效率低的问题。
[0005]
本发明实施例的第一方面提供了一种手势识别方法，包括：
[0006]
获取目标手势的点云数据；
[0007]
确定多个特征提取参数，并从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征；
[0008]
基于手势特征以及预设的手势识别模型对目标手势进行识别。
[0009]
本发明实施例的第二方面提供了一种手势识别装置，包括：
[0010]
获取模块，用于获取目标手势的点云数据；
[0011]
特征提取模块，用于确定多个特征提取参数，并从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征；
[0012]
手势识别模块，用于基于手势特征以及预设的手势识别模型对目标手势进行识别。
[0013]
本发明实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现如上述手势识别方法的步骤。
[0014]
本发明实施例的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述手势识别方法的步骤。
[0015]
本发明实施例与现有技术相比存在的有益效果是：
[0016]
本发明通过确定多个特征提取参数，从目标手势的点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征，大幅度减少了手势特征的参数量，进而基于手势特征以及预设的手势识别模型对目标手势进行有效识别。本发明能够减少手势识别过程的计算量，提高手势识别的效率。
附图说明
[0017]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]
图1是本发明实施例提供的手势识别方法的流程示意图；
[0019]
图2是本发明实施例提供的手势识别装置的结构示意图；
[0020]
图3是本发明实施例提供的终端的结构示意图。
具体实施方式
[0021]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0022]
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0023]
本发明实施例的第一方面提供了一种手势识别方法，如图1所示，该方法具体包括以下步骤：
[0024]
步骤s101、获取目标手势的点云数据。
[0025]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，在获取目标手势的点云数据之后，还包括：
[0026]
对目标手势的点云数据进行预处理；其中，预处理包括：去除错误的点云数据，以及对目标手势的点云数据进行数据增强。
[0027]
在本发明实施例中，由于不同的人对标准手势理解不同以及人为因素导致的错误，目标手势的点云数据可能包含错误数据，通过预处理，可以去除错误数据。并且，若点云数据的数据量较少，还可以对点云数据进行数据增强，例如，在原始数据上添加随机扰动形成新数据等。
[0028]
步骤s102、确定多个特征提取参数，并从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征。
[0029]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，目标手势的点云数据为目标手势的各个手势帧对应的点云数据，其中，目标手势的各个手势帧由目标检测设备对目标手势进行检测得到；多个特征提取参数包括距离、速度、方位角和俯仰角。
[0030]
从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征包括：
[0031]
从各个手势帧对应的点云数据中提取各个手势帧对应的距离值、速度值、方位角值和俯仰角值，得到目标手势的手势特征。
[0032]
在本发明实施例中，首先由目标检测设备对目标手势进行检测，得到目标手势的手势帧序列，其中，目标检测设备可以是毫米波雷达，然后对手势帧序列中的各个手势帧进行解析，得到各个手势帧对应的点云数据，进而可以获取目标手势的各个手势帧对应的点
云数据。
[0033]
通过确定距离、速度、方位角和俯仰角四个参数作为特征提取参数，从目标手势的各个手势帧对应的点云数据中提取各个手势帧对应的距离、速度、方位角和俯仰角，使得目标手势的每帧数据不再是一个庞大的距离-多普勒图，而仅仅是简单的四个数值，大大减少了手势识别的参数量。
[0034]
在本发明实施例中，所谓距离是指目标手势与目标检测设备之间的距离，所谓速度是指目标手势的速度，所谓方位角是指目标手势相对于目标检测设备的方位角，所谓俯仰角是指目标手势相对于目标检测设备的俯仰角。
[0035]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，在得到目标手势的手势特征之后，还包括：
[0036]
判断各个特征提取参数对应的特征值的数量与预设阈值的大小关系；其中，预设阈值为手势识别模型的预设输入尺寸；
[0037]
基于大小关系对目标手势的手势特征进行特征对齐。
[0038]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，基于大小关系对目标手势的手势特征进行特征对齐，包括：
[0039]
计算各个特征提取参数对应的特征值的数量与预设阈值的差值，并求差值的绝对值；
[0040]
对于特征值的数量小于预设阈值的特征提取参数，基于差值的绝对值对该特征提取参数的特征值进行补充；
[0041]
对于特征值的数量大于预设阈值的特征提取参数，基于差值的绝对值对该特征提取参数的特征值进行删减。
[0042]
在本发明实施例中，由于每个人做手势的习惯都不同，导致目标检测设备每次检测到的手势帧的数量不是一个确定值，进而，各个特征提取参数对应的特征值的数量也不是一个确定值，而手势识别模型要求输入的手势特征与其预设输入尺寸相符，因此，对于特征值的数量小于预设阈值的特征提取参数，可以通过线性插值或均值插值的方式对该特征提取参数的特征值进行补充，对于特征值的数量大于预设阈值的特征提取参数，可以通过简单删除或均值合并的方式对该特征提取参数的特征值进行删减，最终使目标手势的手势特征符合手势识别模型的输入条件。
[0043]
步骤s103、基于手势特征以及预设的手势识别模型对目标手势进行识别。
[0044]
在本发明实施例中，预设的手势识别模型为轻量级的多层神经网络模型，相对于卷积神经网络模型，多层神经网络模型架构简单、计算速度快，并且具有很高的识别准确率。
[0045]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，手势识别模型的建立方法包括：
[0046]
获取多种预设手势的点云数据；
[0047]
分别从每种预设手势的点云数据中提取各个特征提取参数对应的特征值，得到每种预设手势的训练集；
[0048]
基于每种预设手势的训练集进行模型训练，得到手势识别模型。
[0049]
可选的，作为本发明实施例提供的手势识别方法的一种具体的实施方式，某一种
预设手势的点云数据为该预设手势的各个手势帧对应的点云数据，其中，该预设手势的各个手势帧由目标检测设备对该预设手势进行检测得到；
[0050]
在获取多种预设手势的点云数据之后，还包括：
[0051]
计算多种预设手势的手势帧的总数量，并求平均值；
[0052]
基于平均值确定手势识别模型的预设输入尺寸。
[0053]
在本发明实施例中，预设手势包括左向右滑动、右向左滑动、上到下滑动、下到上滑动、顺时针旋转、逆时针旋转和召唤，可以采用毫米波雷达对上述7种预设手势进行采集，进而训练得到手势识别模型。需要指出的是，在实际应用中，由于每个人的手势习惯不同且同一个人做的同一个手势也不完全相同，因此，针对同一个手势，可以采集多个人的手势数据以及对同一个人进行多次采集，可以显著提高手势识别模型的识别准确率。
[0054]
另外，在本发明实施例中，提取各个预设手势的手势特征的过程与上述提取目标手势的手势特征的过程类似，在此不再进行赘述。
[0055]
由以上内容可知，本发明通过确定多个特征提取参数，从目标手势的点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征，大幅度减少了手势特征的参数量，进而基于该手势特征以及预设的手势识别模型对目标手势进行识别。相对于现有技术根据距离-多普勒图提取手势特征的方法，本发明能够有效减少手势识别过程的计算量，提高手势识别的效率。
[0056]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0057]
本发明实施例的第二方面提供了一种手势识别装置，如图2所示，该手势识别装置2包括：
[0058]
获取模块21，用于获取目标手势的点云数据。
[0059]
特征提取模块22，用于确定多个特征提取参数，并从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征。
[0060]
手势识别模块23，用于基于手势特征以及预设的手势识别模型对目标手势进行识别。
[0061]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，获取模块21还用于：
[0062]
对目标手势的点云数据进行预处理；其中，预处理包括：去除错误的点云数据，以及对目标手势的点云数据进行数据增强。
[0063]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，目标手势的点云数据为目标手势的各个手势帧对应的点云数据，其中，目标手势的各个手势帧由目标检测设备对目标手势进行检测得到；多个特征提取参数包括距离、速度、方位角和俯仰角。特征提取模块22具体用于：
[0064]
从各个手势帧对应的点云数据中提取各个手势帧对应的距离值、速度值、方位角值和俯仰角值，得到目标手势的手势特征。
[0065]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，手势识别模块23还用于：
[0066]
判断各个特征提取参数对应的特征值的数量与预设阈值的大小关系；其中，预设阈值为手势识别模型的预设输入尺寸；
[0067]
基于大小关系对目标手势的手势特征进行特征对齐。
[0068]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，基于大小关系对目标手势的手势特征进行特征对齐，可以详述为：
[0069]
计算各个特征提取参数对应的特征值的数量与预设阈值的差值，并求差值的绝对值；
[0070]
对于特征值的数量小于预设阈值的特征提取参数，基于差值的绝对值对该特征提取参数的特征值进行补充；
[0071]
对于特征值的数量大于预设阈值的特征提取参数，基于差值的绝对值对该特征提取参数的特征值进行删减。
[0072]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，手势识别模块23还用于：
[0073]
获取多种预设手势的点云数据；
[0074]
分别从每种预设手势的点云数据中提取各个特征提取参数对应的特征值，得到每种预设手势的训练集；
[0075]
基于每种预设手势的训练集进行模型训练，得到手势识别模型。
[0076]
可选的，作为本发明实施例第二方面提供的手势识别装置的一种具体的实施方式，某一种预设手势的点云数据为该预设手势的各个手势帧对应的点云数据，其中，该预设手势的各个手势帧由目标检测设备对该预设手势进行检测得到。手势识别模块23还用于：
[0077]
计算多种预设手势的手势帧的总数量，并求平均值；
[0078]
基于平均值确定手势识别模型的预设输入尺寸。
[0079]
图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。处理器30执行计算机程序32时实现上述各个手势识别方法实施例中的步骤，例如图1所示的步骤s101至s103。或者，处理器30执行计算机程序32时实现上述装置实施例中各模块的功能，例如图2所示模块21至23的功能。
[0080]
示例性的，计算机程序32可以被分割成一个或多个模块，一个或者多个模块被存储在存储器31中，并由处理器30执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序32在终端3中的执行过程。例如，计算机程序32可以被分割成获取模块31、特征提取模块32、手势识别模块33(虚拟装置中的模块)，各模块具体功能如下：
[0081]
获取模块21，用于获取目标手势的点云数据。
[0082]
特征提取模块22，用于确定多个特征提取参数，并从点云数据中提取各个特征提取参数对应的特征值，得到目标手势的手势特征。
[0083]
手势识别模块23，用于基于手势特征以及预设的手势识别模型对目标手势进行识别。
[0084]
终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示
例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端3还可以包括输入输出设备、网络接入设备、总线等。
[0085]
所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0086]
存储器31可以是终端3的内部存储单元，例如终端3的硬盘或内存。存储器31也可以是终端3的外部存储设备，例如终端3上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器31还可以既包括终端3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及终端3所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
[0087]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0088]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0089]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0090]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0091]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0092]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以
是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0093]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0094]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。