[发明专利]一种手势图像生成方法、装置及存储介质有效

专利信息
申请号: 201810145637.8 申请日: 2018-02-12
公开(公告)号: CN108346168B 公开(公告)日: 2019-08-13
发明(设计)人: 赵世杰;左小祥;李峰 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T11/00 分类号: G06T11/00;G06T3/00
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 黄威
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 关节点 手势图像 坐标变换矩阵 标注 手势 变换参数 存储介质 二维坐标 三维坐标 人工手动 自动生成 便捷性 拍照
【说明书】:

发明实施例公开了一种手势图像生成方法、装置及存储介质,本发明实施例可以获取多组变换参数,根据多组变换参数分别构造坐标变换矩阵,得到多个坐标变换矩阵;根据每个坐标变换矩阵,获取组成手势的每个关节点所在位置的三维坐标点;根据每个关节点所在位置的三维坐标点,确定每个关节点的二维坐标点;根据每个关节点的二维坐标点对每个关节点进行标注,并根据标注后的每个关节点生成手势图像。该方案实现了自动生成在手势上标注每个关节点的手势图像,而不需要人工手动进行拍照及标注手势的各个关节点等操作,提高手势图像生成的可靠性及便捷性。

技术领域

本发明涉及图像处理技术领域,具体涉及一种手势图像生成方法、装置及存储介质。

背景技术

在机器学习中,训练样本是准确获取神经网络的模型的重要影响因素,为了训练该神经网络,需要大量标记有各个手指的关节点的二维手势的图像作为训练样本,以便可以从二维手势来做手势分类或者估计等。

现有技术中,为了得到训练样本,需要技术人员手动对人的手势进行拍照,得到图像,然后人工在该图像内对手势的各个关节点进行标注,得到训练样本。然而训练一个神经网络,一般需要数量巨大且手势各式各样的训练样本。

由于人工手动进行拍照手势及标注各个关节点等操作,因此,为了得到训练一个手势识别的神经网络所需的训练样本,需要消耗大量人力成本,并且在手势关节点的标注中会出现标注点偏离实际位置的问题,甚至在一些遮挡严重的手势上标注容易出错,以及不同的人进行标注会有较大的差异,导致人工标注容易产生误差,大大降低了训练样本获取的可靠性及便捷性。

发明内容

本发明实施例提供一种手势图像生成方法、装置及存储介质,旨在提高手势图像生成的可靠性及便捷性。

为解决上述技术问题,本发明实施例提供以下技术方案:

一种手势图像生成方法,包括:

获取多组变换参数,根据多组变换参数分别构造坐标变换矩阵,得到多个坐标变换矩阵;

根据每个坐标变换矩阵,获取组成手势的每个关节点所在位置的三维坐标点;

根据所述每个关节点所在位置的三维坐标点,确定每个关节点的二维坐标点;

根据所述每个关节点的二维坐标点对每个关节点进行标注,并根据标注后的每个关节点生成手势图像。

一种手势图像生成装置,包括:

获取单元,用于获取多组变换参数,根据多组变换参数分别构造坐标变换矩阵,得到多个坐标变换矩阵;

变换单元,用于根据每个坐标变换矩阵,获取组成手势的每个关节点所在位置的三维坐标点;

确定单元,用于根据所述每个关节点所在位置的三维坐标点,确定每个关节点的二维坐标点;

生成单元,用于根据所述每个关节点的二维坐标点对每个关节点进行标注,并根据标注后的每个关节点生成手势图像。

一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行上述手势图像生成方法中的步骤。

本发明实施例可以根据获取到的多组变换参数分别构造坐标变换矩阵,得到多个坐标变换矩阵,以及根据每个坐标变换矩阵,获取组成手势的每个关节点所在位置的三维坐标点;根据每个关节点所在位置的三维坐标点,确定每个关节点的二维坐标点;然后根据每个关节点的二维坐标点对每个关节点进行标注,并根据标注后的每个关节点生成手势图像。该方案实现了自动生成在手势上标注每个关节点的手势图像,并且可以根据坐标变换矩阵得到的三维坐标点来确定每个关节点的二维坐标点,再根据每个关节点的二维坐标点对每个关节点进行标注,而不需要人工手动进行拍照及标注手势的各个关节点等操作,提高手势图像生成的可靠性及便捷性。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810145637.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top