[发明专利]建立手势识别模型的方法、装置、存储介质及电子设备

权利要求书

1.一种建立手势识别模型的方法，其特征在于，包括：

获取多类手势样本的数值特征和图像HOG特征；

针对每类所述手势样本，对该类手势样本的数值特征和图像HOG特征进行特征融合，得到该类手势样本的目标特征集合；

根据各类所述手势样本的目标特征集合，建立手势识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取多类手势样本的数值特征，包括：

获取该类手势样本的以下数值特征：

该类手势样本各指尖的角度A_i；该类手势样本各指尖之间的距离T_i,j；该类手势样本各指尖与该类手势样本的掌心之间的欧式距离D_i；该类手势样本各指尖到该类手势样本的手掌的掌面之间的垂直距离E_i；

所述对该类手势样本的数值特征和图像HOG特征进行特征融合，包括：

将任意所述数值特征进行组合，得到多个数值特征组合；

分别将每一所述数值特征组合与所述图像HOG特征进行融合，得到该类手势样本的多个特征组合，所述目标特征集合包括所述多个特征组合；

所述根据各类所述手势样本的目标特征集合，建立手势识别模型，包括：

针对每类所述手势样本，根据该类手势样本的各个所述特征组合分别对该类手势样本对应的分类器进行训练，得到多个候选分类器；

将所述多个候选分类器中精度最高的候选分类器作为该类手势样本对应的目标分类器；

根据各类所述手势样本对应的目标分类器，建立所述手势识别模型。

3.根据权利要求1所述的方法，其特征在于，所述数值特征包括以下至少一种：

该类手势样本各指尖的角度A_i；该类手势样本各指尖之间的距离T_i,j；该类手势样本各指尖与该类手势样本的掌心之间的欧式距离D_i；该类手势样本各指尖到该类手势样本的手掌的掌面之间的垂直距离E_i；

所述根据各类所述手势样本的目标特征集合，建立手势识别模型，包括：

针对每类所述手势样本，根据该类手势样本的目标特征集合对该类手势样本对应的分类器进行训练；

根据各类所述手势样本对应的训练后的分类器，建立所述手势识别模型。

4.根据权利要求1～3中任一项所述的方法，其特征在于，所述对该类手势样本的数值特征和图像HOG特征进行特征融合，包括：

根据如下公式进行特征融合：

F＝[F_N,w·F_H]

其中，F为该类手势样本的目标特征集合，F_N为该类手势样本的数值特征，F_H为该类手势样本的HOG特征值，w为预设权重系数。

5.根据权利要求1～3中任一项所述的方法，其特征在于，所述根据各类所述手势样本的目标特征集合，建立手势识别模型，包括：

针对每类所述手势样本，基于PCA算法对该类手势样本的目标特征集合进行降维；

根据每类所述手势样本的降维后的目标特征集合，建立所述手势识别模型。

6.一种建立手势识别模型的装置，其特征在于，包括：

特征获取模块，被配置为获取多类手势样本的数值特征和图像HOG特征；

特征融合模块，被配置为针对每类所述手势样本，对该类手势样本的数值特征和图像HOG特征进行特征融合，得到该类手势样本的目标特征集合；

模型建立模块，被配置为根据各类所述手势样本的目标特征集合，建立手势识别模块。