[发明专利]手势识别方法、装置、电子设备及可读存储介质

说明书

本申请提供一种手势识别方法、装置、电子设备及可读存储介质，该手势识别方法包括：获取待识别对象的图像数据；利用预先训练的深度学习检测模型，对所述待识别对象的图像数据进行目标检测，确定手掌区域；利用预先训练的深度学习分类模型，对所述手掌区域进行分类，得到手势识别结果。该方法可以。

技术领域

本申请涉及计算机视觉和人机交互领域，尤其涉及一种手势识别方法、装置、电子设备及可读存储介质。

背景技术

随着人工智能的发展和国家对于下一代人工智能的号召，智能车辆已经成为世界车辆工程领域研究的热点和汽车工业增长的新动力。智能不仅体现在自动泊车、自动驾驶等全自动领域，也体现在智能交互、智能控制等方面，需要将汽车打造成另一个舒适、便捷、智能的港湾。

手势识别是智能车辆实现智能交互、智能控制的关键技术之一，如何准确实现手势识别称为一个亟待解决的技术问题。

发明内容

有鉴于此，本申请提供一种手势识别方法、装置、电子设备及可读存储介质。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种手势识别方法，包括：

获取待识别对象的图像数据；

利用预先训练的深度学习检测模型，对所述待识别对象的图像数据进行目标检测，确定手掌区域；

利用预先训练的深度学习分类模型，对所述手掌区域进行分类，得到手势识别结果；其中，所述深度学习分类模型在训练过程中，依据类别关联损失函数进行反馈优化，从第S轮训练开始，对于任一训练样本，在利用所述深度学习分类模型得到的预测结果与该训练样本的标注不一致的情况下，该预测结果与标注相似度越高，依据所述类别关联损失函数得到的损失值越大，S为自然数。

根据本申请实施例的第二方面，提供一种手势识别装置，包括：

获取单元，用于获取待识别对象的图像数据；

目标检测单元，用于利用预先训练的深度学习检测模型，对所述待识别对象的图像数据进行目标检测，确定手掌区域；

手势识别单元，用于利用预先训练的深度学习分类模型，对所述手掌区域进行分类，得到手势识别结果；其中，所述深度学习分类模型在训练过程中，依据类别关联损失函数进行反馈优化，从第S轮训练开始，对于任一训练样本，在利用所述深度学习分类模型得到的预测结果与该训练样本的标注不一致的情况下，该预测结果与标注相似度越高，依据所述类别关联损失函数得到的损失值越大，S为自然数。

根据本申请实施例的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现上述手势识别方法。

根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上述手势识别方法。

本申请提供的技术方案至少可以带来以下有益效果：

通过获取待识别对象的图像数据，利用深度学习的方式检测图像中的手掌区域，提高了光照等条件不同的情况下的图像数据的手掌区域检测的准确性，提高了手掌区域检测的鲁棒性；此外，利用深度学习的方式对手掌区域进行手势分类，得到手势分类结果，用于进行手势识别的深度学习分类模型在训练时，利用类别关联损失函数动态调整学习的损失权重，提高分类模型对相似手势的区分能力，进而，提高了手势识别的准确性。

附图说明

图1是本申请示例性实施例示出的一种手势识别方法的流程示意图；

图2是本申请示例性实施例示出的一种安装在方向盘下方的摄像头采集的图像的示意图；