[发明专利]一种滑动手势识别方法

说明书

技术领域

本发明涉及手势识别技术领域，尤其涉及一种滑动手势识别方法。

背景技术

现有技术中，应用在智能设备例如智能机器人中的控制方法通常会通过第三方设备完成，例如使用者在移动终端进行操作，以输出控制指令，该控制指令通过局域网或者其他数据传输方式被传输到智能设备中，智能设备才能根据该控制指令执行相应的操作。上述操作方式比较繁琐，使用者无法直接在智能设备上进行简易的控制操作，影响了使用者的使用体验，也无法发挥智能设备简单易用的特点。

目前在一些智能设备上开始实现用手势动作进行控制的设备控制技术，但是现有的手势控制技术在手势识别方面并不稳定，无法精确地识别静态手势以及滑动手势，因此无法稳定地作为一种常规的控制手段应用到智能设备中。

发明内容

根据现有技术中存在的上述问题，现提供一种滑动手势识别方法的技术方案，具体包括：

一种滑动手势识别方法，其中，包括如下步骤：

步骤S1，通过一图像采集装置获取关联于使用者全身的视频数据流，并处理得到关联于所述使用者的各个骨骼点的骨骼点信息；

步骤S2，根据所述骨骼点信息，确定表示所述使用者的手心位置的手心位置信息与表示所述使用者的手长的手长信息；

步骤S3，根据所述手心位置信息判断所述使用者的手心距离地面的高度是否大于一预设的高度阈值：

若是，则继续执行所述步骤S4；

若否，则退出；

步骤S4，判断得到手掌区域的图像，并对所述手掌区域的图像进行分割裁剪以及进行预处理，得到相应的手部掩膜并输出；

步骤S5，根据所述处理结果，于所述视频数据流中的连续的多帧所述图像帧中分别识别并输出手部的指尖区域，并根据所述指尖区域的几何关系分别对所述使用者的手势进行识别；

步骤S6，将连续的多帧所述图像帧中分别识别并输出的所述指尖区域进行对比，以判断使用者的所述手势是否匹配预设的滑动条件：

若是，则判断所述手势为滑动手势，随后退出；

若否，则判断所述手势为静止手势，随后退出。

优选的，该滑动手势识别方法，其中，所述步骤S1中，所述图像采集装置为景深摄像头；

所述视频数据为关联于所述使用者的全身的景深视频数据。

优选的，该滑动手势识别方法，其中，所述步骤S1包括：

步骤S11，采用所述图像采集装置采集包括背景以及所述使用者的全身的景深图像的视频数据流；

步骤S12，将所述视频数据流中包括的每帧的所述景深图像的像素的三维信息进行空间变换，以得到实际空间中的对应的点云信息；

步骤S13，根据每个所述像素对应的所述点云信息，获得每个所述像素与所述景深摄像头之间的距离；

步骤S14，分别根据每个所述像素对应的所述距离，处理得到所述骨骼点信息。

优选的，该滑动手势识别方法，其中，所述步骤S2包括：

步骤S21，根据处理得到的关联于所述使用者的各个所述骨骼点的所述骨骼点信息，获得所述使用者的所述手心位置信息；

步骤S22，根据处理得到的关联于所述使用者的各个所述骨骼点的所述骨骼点信息，依照下述公式计算得到所述使用者的身高信息：

其中，H₁表示所述使用者的身高数值，H₂表示背景的像素高度数值，H₃表示所述使用者在被采集的视频图像中的像素高度数值，d表示所述使用 者与所述景深摄像头之间的距离数值，θ表示所述景深摄像头在水平方向上的垂直角度数值；

步骤S23，根据预设的人体身高与人体手长之间的对应关系，获得所述使用者的所述手长信息。

优选的，该滑动手势识别方法，其中，所述步骤S4包括：

步骤S41，根据所述手心位置信息和所述手长信息，去除所述使用者的手部包括的所有与所述手心位置的距离大于所述手长的一半的像素点的信息，并依据去除后的手部包括的所有所述像素点的信息得到手部数据；

步骤S42，通过K均值聚类算法对处理得到的所述手部数据进行聚类处理，得到经过聚类处理后的所述手部数据；

步骤S43，设置最小聚类数，以对所述手部数据进行噪声干扰像素簇的过滤排除，从而得到关联于所述手部数据的手部掩膜并输出。

优选的，该滑动手势识别方法，其中，所述手部数据包含在以所述使用者的所述手长的一半为半径、并以所述使用者的所述手心位置为圆心的一个球形区域内。