[发明专利]一种手势的识别方法、装置和系统在审
| 申请号: | 202310020221.4 | 申请日: | 2023-01-06 |
| 公开(公告)号: | CN116088682A | 公开(公告)日: | 2023-05-09 |
| 发明(设计)人: | 阳傲傲 | 申请(专利权)人: | 中科创达软件股份有限公司 |
| 主分类号: | G06F3/01 | 分类号: | G06F3/01;G06F18/15;G06F18/213;G06F18/24;G06F18/25;G06V40/20 |
| 代理公司: | 北京润泽恒知识产权代理有限公司 11319 | 代理人: | 莎日娜 |
| 地址: | 100083 北京市海淀区清华东*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 手势 识别 方法 装置 系统 | ||
1.一种手势的识别方法,其特征在于,所述方法包括:
分别获取至少一种第一类传感器和至少一种第二类传感器针对同一用户展示同一手势的手势数据;每种所述第一类传感器采集的手势数据为动态手势数据,每种所述第二类传感器采集的手势数据为静态手势数据;
从每种所述动态手势数据中提取对应的第一特征矩阵,以及从每种所述静态手势数据中提取对应的第二特征矩阵;
融合所有的第一特征矩阵,得到第一融合特征矩阵,并将所述第一融合特征矩阵输入预置的第一预测模型中,得到所述手势的第一识别结果;
融合所有的第二特征矩阵,得到第二融合特征矩阵,并将所述第二融合特征矩阵输入预置的第二预测模型中,得到所述手势的第二识别结果;
根据所述第一识别结果和所述第二识别结果,得到所述手势的目标识别结果。
2.根据权利要求1所述的方法,其特征在于,所述融合所有的第一特征矩阵,得到第一融合特征矩阵,包括:
对每个第一特征矩阵进行降维处理,得到对应的降维特征矩阵;
融合所有的降维特征矩阵,得到所述第一融合特征矩阵。
3.根据权利要求1或2所述的方法,其特征在于,所述第一类传感器包括微型惯性传感器和手指弯曲传感器,所述第二类传感器包括摄像头传感器;
所述动态手势数据包括所述微型惯性传感器采集的第一手势数据,和所述手指弯曲传感器采集的第二手势数据;
所述静态手势数据包括所述摄像头传感器采集的第三手势数据。
4.根据权利要求3所述的方法,其特征在于,当所述动态手势数据为微型惯性传感器采集的第一手势数据时,所述从每种所述动态手势数据中提取对应的第一特征矩阵,包括:
对所述第一手势数据进行第一滤波处理;
从第一滤波处理后的第一手势数据中,提取对应的第一特征矩阵。
5.根据权利要求3所述的方法,其特征在于,当所述动态手势数据为微型惯性传感器采集的第二手势数据时,所述从每种所述动态手势数据中提取对应的第一特征矩阵,包括:
对所述第二手势数据进行第二滤波处理,得到第一形变信号数据;
对所述第一形变数据进行分割,得到多个形变信号片段;
从所述多个形变信号片段中,提取对应的第一特征矩阵。
6.根据权利要求3所述的方法,其特征在于,所述从每种所述静态手势数据中提取对应的第二特征矩阵,包括:
对所述第三手势数据进行图像处理,得到目标图像数据;
从所述目标图像数据中,提取对应的第二特征矩阵。
7.一种手势识别系统,其特征在于,所述系统包括:至少一种第一类传感器、至少一种第二类传感器和微处理器模块;
每种所述第一类传感器设置在目标用户的手上,用于采集所述目标用户展示的目标手势的动态手势数据;
每种所述第二类传感器,用于采集目标用户展示的所述目标手势的静态手势数据;
所述微处理器模块,用于从每种所述动态手势数据中提取对应的第一特征矩阵,以及从每种所述静态手势数据中提取对应的第二特征矩阵;融合所有的第一特征矩阵,得到第一融合特征矩阵,并将所述第一融合特征矩阵输入预置的第一预测模型中,得到所述手势的第一识别结果;融合所有的第二特征矩阵,得到第二融合特征矩阵,将所述第二融合特征矩阵输入预置的第二预测模型中,得到所述手势的第二识别结果;根据所述第一识别结果和所述第二识别结果,得到所述手势的目标识别结果。
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中科创达软件股份有限公司,未经中科创达软件股份有限公司许可,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/202310020221.4/1.html,转载请声明来源钻瓜专利网。





