[发明专利]手势识别方法、装置及电子设备

说明书

技术领域

本发明涉及智能穿戴设备领域，尤其涉及一种手势识别方法、装置及电子设备。

背景技术

人机交互是研究人和计算机及其两者之间相互影响的技术，研究人与计算机通过人机界面进行某种形式的信息交流、以完成特定任务的过程。随着计算机硬件的快速发展，机器的计算能力越来越强大，可用资源也越来越丰富，人的体态与心理感受都已经成了设计需要考虑的重要问题。人机交互正在逐渐摆脱以计算机为中心的交互模式，而向以人为中心的交互模式发展；利于用户自然、自由地交互方式，已成为人机交互的发展趋势。

手势是一种人们经常使用的交流方式，在人机交互方面，相较于传统的键盘和鼠标，手势的动作与其设计更加自由，使用上也更加灵活、直观，在用户体验上更加符合人类的交流习惯。因此，手势识别技术已经成为人机交互领域中兴起方艾的前沿研究方向之一。

在人机交互中，基于手势的交互模式具有以下优势：手势识别直接以人手的自然动作作为输入，与语音识别等交互手段相比较，省却了中间媒介，降低了背景环境对识别效果的影响。丰富了手持设备的应用场景，可以与虚拟现实技术相结合。

现在的手势识别技术根据其不同的输入设备可以分为两种：基于视觉图像的识别技术和基于运动传感器的识别技术。其中，基于视觉图像的手势识别主要通过摄像头等设备采集人手动作的图像信息，该技术起步早，理论研究比较成熟，其识别的成功率和算法的复杂度都比较理想；但是，其缺点是对设备要求高、资金投入大、对环境的依赖性较高，需要充足均匀的背景光源，从而使得基于图像的手势识别不能应用于复杂环境中，实际应用效果不佳。

基于运动传感器的手势识别主要通过加速度传感器、三轴陀螺仪、磁场传感器或方向传感器等多种传感器采集人手的空中姿态及其运动数据，再根据所述运动数据建立相应的识别规则以达到手势识别的目的。该方法需要预先设定规则，如果手势识别不准确，则需要反复调整这些规则。

发明内容

本发明的目的是提供一种解决上述技术问题的手势识别方法、装置及电子设备。

根据本发明的一个方面，提供一种手势识别方法，其中，该方法包括以下步骤：

实时获取传感器数据；

提取所述传感器数据的特征数据；

计算当前特征数据对应各个预定义手势的概率分布；

根据所述概率分布通过决策算法确认手势。

根据本发明的另一个方面，还提供了一种手势识别装置，其中，该装置包括：

第一获取模块，用于实时获取传感器数据；

提取模块，用于提取所述传感器数据的特征数据；

计算模块，用于计算当前特征数据对应各个预定义手势的概率分布；

决策模块，用于根据所述概率分布通过决策算法确认手势。

根据本发明的再一个方面，还提供了一种电子设备，包括处理器和存储有程序代码的存储介质，所述程序代码当被处理器执行时，实现上述的手势识别方法。

与现有技术相比，本发明具有以下优点：现有的手势识别主要通过加速度传感器、三轴陀螺仪、磁场传感器或方向传感器等多种传感器采集人手的空中姿态及其运动数据，再通过建立模型、匹配模板、构建神经网络等算法完成对手势的分类识别。这种手势识别方法由于基于各种设计好的基本规则，鲁棒性不强，在设计加入一个新手势时，需要观察手势特点再设计一整套规则来约束，十分不便，可扩展性较差。本发明提出的手势识别方法，智能穿戴设备如智能手表仅需搭载三轴加速度传感器，通过大数据和机器学习训练手势识别数据，处理智能穿戴设备的传感器采集的加速度数据，计算当前数据对应各个预定义手势的概率分布，根据所述概率分布通过决策算法确认手势，即可实现手势识别，无需多个传感器组合使用，鲁棒性强，识别率高，更加容易扩展。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例的手势识别方法的流程示意图；

图2为图1中根据根据匹配结果计算当前特征数据对应各个预定义手势的概率分布的细化流程示意图；

图3为图1中根据所述概率分布通过决策算法确认手势的细化流程示意图；

图4为本发明另一实施例的手势识别方法的流程示意图；

图5为本发明又一实施例的手势识别方法的流程示意图；

图6为本发明一实施例的手势识别装置的结构示意图；

图7为图6中计算模块的细化结构示意图；

图8为图6中决策模块的细化结构示意图；