(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210330121.7 (22)申请日 2022.03.30 (71)申请人 网易 （杭州） 网络有限公司 地址 310052 浙江省杭州市滨江区长河街 道网商路59 9号4幢7层 (72)发明人 王兴　伍锦良　蒋洁强　王震　 张超　黄欣欣　关文浩　倪成华　 (74)专利代理 机构 北京清源汇知识产权代理事 务所(特殊普通 合伙) 11644 专利代理师 冯德魁 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06F 3/01(2006.01) (54)发明名称 一种手势 识别方法及相关 设备 (57)摘要 本申请提供了一种手势识别方法及相关设 备， 设计人工智能领域， 包括： 获取手部图像包括 的五个手指中每个手指所对应的N个特征点。 其 中， N为大于2的正整数。 根据N个 特征点， 建立N ‑1 个向量。 其中， N ‑1个向量中的第i个向量由第i个 特征点指向第i+1个 特征点， i为大于1且小于N的 正整数。 计算第i个向量和第i+1个向量之间的夹 角， 并根据第i个向量和第i个向量之间的夹角建 立每个手指 对应的夹角集合。 根据五个手指对应 的夹角集合， 识别手部图像所对应的手势。 本申 请可以大大 降低待识别图像数据的特征数据的 数据量， 更加高效的进行手势 识别。 权利要求书3页 说明书14页 附图5页 CN 114913542 A 2022.08.16 CN 114913542 A 1.一种手势 识别方法， 其特 征在于， 所述方法包括： 获取手部图像包括的五个手指中每个手指所对应的N个特征点； 其中， 所述N为大于2的 正整数； 根据所述N个特征点， 建立N ‑1个向量； 其中， 所述N ‑1个向量中的第i个向量由第i个特 征点指向第i+1个特 征点， 所述 i为大于1且小于N的正整数； 计算所述第i个向量和第i+1个向量之间的夹角， 并根据所述第i个向量和第i+1个向量 之间的夹角建立所述每 个手指对应的夹角集 合； 根据所述五个 手指对应的所述夹角集 合， 识别所述手部图像所对应的手势。 2.根据权利要求1所述的手势识别方法， 其特征在于， 所述每个手指所对应的N个特征 点包括指尖特 征点、 关节特 征点和指末端特 征点； 所述方法还 包括： 确定所述手部图像对应的掌心特 征点； 建立第一向量和第二向量； 其中， 所述第一向量由所述掌心特征点指向所述指末端特 征点， 所述第二向量由所述关节特 征点指向所述指尖特 征点； 根据所述第一向量和所述第二向量所 形成的夹角， 确定所述每 个手指的手指姿势； 根据所述五个 手指对应的手指姿势， 识别所述手部图像所对应的手势。 3.根据权利要求2所述的手势 识别方法， 其特 征在于， 所述方法还 包括： 根据预设精度确定预设角度值； 所述根据所述第一向量和所述第二向量所形成的夹角， 确定所述每个手指的手指姿 势， 包括： 当所述第一向量和所述第 二向量所形成的夹角大于所述预设角度值 时， 确定所述手指 姿势为弯曲状态； 当所述第一向量和所述第 二向量所形成的夹角小于或等于所述预设角度值 时， 确定所 述手指姿势为伸直状态。 4.根据权利要求2至 3任一项所述的方法， 其特 征在于， 所述方法还 包括： 确定所述每 个手指的所述指尖特 征点和所述掌心特 征点之间的指尖掌心 距离； 根据所述指尖掌心 距离确定所述每 个手指的手指弯曲程度； 根据所述五个 手指对应的手指弯曲程度， 识别所述手部图像所对应的手势。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 确定所述每 个手指的所述指尖特 征点之间的指尖距离； 根据所述指尖距离确定不同手指的指尖处于分开状态或者闭合状态； 根据确定结果， 识别所述手部图像所对应的手势。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述指尖距离确定不同手指的指 尖处于分开状态或者闭合状态， 包括： 获取所述关节特 征点和所述指末端特 征点之间的距离； 当所述指尖距离小于所述关节特征点和所述指末端特征点之间的距离时， 确定不同手 指的指尖处于闭合状态； 当所述指尖距离大于或等于所述关节特征点和所述指末端特征点之间的距离时， 确定 不同手指的指尖处于分开状态。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述根据所述五个手指对应的权　利　要　求　书 1/3 页 2 CN 114913542 A 2所述夹角集 合， 识别所述手部图像所对应的手势， 包括： 将所述五个 手指对应的所述夹角集 合依次输入手势 识别模型； 根据所述手势 识别模块的输出 结果确定所述手部图像所对应的手势。 8.根据权利要求7所述的方法， 在将所述五个手指对应的所述夹角集合依次输入所述 手势识别模型之前， 所述方法还 包括： 根据训练样本集对所述手势 识别模型进行训练； 其中， 所述手势 识别模型的训练过程 为： 获取所述训练样本集中的训练样本； 所述训练样本为携带有标注信息的样本手部图 像， 所述标注信息为所述样本手部图像中所述样本手部图像的正确手势的标记结果； 将所述训练样本 输入至所述手势 识别模型中， 得到所述训练样本的输出 结果； 根据所述训练样本的输出结果和所述训练样本的标注信 息， 调节所述手势识别模型的 模型参数； 当达到预设训练条件时， 结束所述手势 识别模型的训练。 9.根据权利要求8所述的方法， 其特 征在于， 所述手势识别模型具体用于根据所述样本手部图像的图像信 息， 输出所述样本手部图 像所对应的输出结果； 所述样本手部图像的图像信息包括： 所述样本手部图像的五个手指 中每个手指所对应的所述夹角集 合。 10.根据权利要求8至9任一项所述的方法， 其特征在于， 所述预设训练条件包括： 训练 次数达到预设次数或者所述训练样本的输出 结果达到预设精度。 11.一种手势 识别装置， 其特 征在于， 所述手势 识别装置包括： 获取单元， 用于获取手部图像包括的五个手指中每个手指所对应的N个特征点； 其中， 所述N为大于2的正整数； 建立单元， 用于根据所述N个特征点， 建立N ‑1个向量； 其中， 所述N ‑1个向量中的第i个 向量由第i个特 征点指向第i+1个特 征点， 所述 i为大于1且小于N的正整数； 计算单元， 用于计算所述第i个向量和第i+1个向量之间的夹角； 所述建立单元， 还用于根据 所述第i个向量和第i+1个向量之间的夹角建立所述每个手 指对应的夹角集 合； 识别单元， 用于根据所述五个手指对应的所述夹角集合， 识别所述手部 图像所对应的 手势。 12.一种执行设备， 其特征在于， 包括： 存储器和处理器、 所述存储器和所述处理器耦 合； 所述存储器用于存 储一条或多条计算机指令； 所述处理器用于执行所述一条或多条计算机指令， 以实现如权利要求1 ‑7任意一种技 术方案所述的方法。 13.一种训练设备， 其特征在于， 包括： 存储器和处理器、 所述存储器和所述处理器耦 合； 所述存储器用于存 储一条或多条计算机指令； 所述处理器用于执行所述一条或多条计算机指令， 以实现如权利要求8 ‑10任意一种技 术方案所述的方法。权　利　要　求　书 2/3 页 3 CN 114913542 A 3