[发明专利]一种识别手势的方法与设备

权利要求书

1.一种识别手势的方法，其中，该方法包括：

a基于手势训练数据及对应骨骼关节标签信息训练得到多个随机决策树，其中，每个随机决策树包含一个或多个分割节点及每个分割节点对应的分割索引点信息；

b通过深度摄像头获取待识别手势的深度图像信息，确定所述深度图像信息的类型，其中，所述深度图像信息的类型包括稠密型和稀疏型，所述深度摄像头适配于近场场景或远场场景；

z根据所述深度图像信息的类型，对所述深度图像信息进行二值化处理；

c对于每个随机决策树，根据所述一个或多个分割节点及每个分割节点对应的分割索引点信息确定二值化的所述深度图像信息对应的候选骨骼关节坐标信息；

d根据所述多个随机决策树对应的多个所述候选骨骼关节坐标信息确定二值化的所述深度图像信息对应的骨骼关节坐标信息以识别所述手势。

2.根据权利要求1所述的方法，其中，每个随机决策树包含多层分组节点；

其中，所述步骤a包括：

基于手势训练数据及对应骨骼关节标签信息，对每个随机决策树自上而下、逐层分组节点进行训练以得到多个随机决策树，其中，每个随机决策树包含一个或多个分割节点及每个分割节点对应的分割索引点信息。

3.根据权利要求2所述的方法，其中，所述方法还包括：

将手势训练数据分解为多个两两交集为空的手势训练数据子集；

其中，所述步骤a包括：

基于所述手势训练数据及对应骨骼关节标签信息，对每个随机决策树自上而下、逐层分组节点进行训练以得到多个随机决策树，在训练过程中随分割节点的层级下降增加一个或多个所述手势训练数据子集，其中，每个随机决策树包含一个或多个分割节点及每个分割节点对应的分割索引点信息。

4.根据权利要求1所述的方法，其中，每个随机决策树的训练过程包括：

r基于手势训练数据及对应骨骼关节标签信息训练得到每个随机决策树对应的多层RBF分组节点；

s根据所述多层RBF分组节点训练得到每个随机决策树的一个或多个分割节点及每个分割节点对应的分割索引点信息。

5.根据权利要求4所述的方法，其中，所述步骤r还包括：

根据所述多层RBF分组节点将所述手势训练数据分至所述随机决策树对应的左分支或右分支，直至到达所述分割节点。

6.根据权利要求4所述的方法，其中，所述步骤s还包括：

在所述分割节点，将所述骨骼关节标签信息分至所述分割节点对应的左分支或右分支，更新所述分割节点对应的分割索引点信息。

7.根据权利要求6所述的方法，其中，每个随机决策树的训练过程还包括：

根据所述多层RBF分组节点及所述分割节点，训练得到每个决策树的叶子节点，其中，所述叶子节点对应的所述骨骼关节标签信息数量为一个。

8.根据权利要求4所述的方法，其中，所述步骤r包括：

对于每个RBF分组节点，先随机生成一系列候选RBF分组节点，后将信息增益最高的所述候选RBF分组节点确定为RBF分组节点。

9.根据权利要求4至8中任一项所述的方法，其中，所述步骤c包括：

c1根据所述多层RBF分组节点将所述深度图像信息分至所述随机决策树对应的左分支或右分支，直至到达所述分割节点；

c2在所述分割节点，更新所述分割节点对应的分割索引点信息；

c3重复所述步骤c1及c2，直至到达所述随机决策树的叶子节点，根据所述叶子节点对应的所述深度图像信息的子集确定其对应的候选骨骼关节坐标信息。

10.根据权利要求1至8中任一项所述的方法，其中，所述步骤d包括：

根据所述多个随机决策树对应的多个所述候选骨骼关节坐标信息，通过所述多个随机决策树投票确定所述深度图像信息对应的骨骼关节坐标信息以识别所述手势。