(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 202210291130.X (22)申请日 2022.03.23 (71)申请人 浙江工业大 学之江学院 地址 312030 浙江省绍兴 市柯桥区柯桥 街 道越州大道 958号 (72)发明人 丁述勇　陈少辉　 (74)专利代理 机构 杭州鼎乎专利代理事务所 (普通合伙) 33377 专利代理师 黄楠 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 手部姿势识别方法、 装置、 电子设备、 及计算 机可读存 储介质 (57)摘要 本申请涉及一种手部姿势识别方法、 装置、 电子设备、 及计算机可读 存储介质。 该方法包括： 获取待识别手势图片， 基于抗造鲁棒的图像分割 算法提取待识别手势图片中人手的轮廓特征； 对 轮廓特征向量化， 得到用于标识 轮廓特征的特征 向量； 对特征向量的向量距离确定待识别手势图 片中的手势。 本申请实施例能够利用全卷积神经 网络架构,实现了在弱光照自然环境中,定位出 手部和背， 进一步通过手部轮廓区间径向向量， 匹配出对应的手部姿态。 对于混合噪声非常严重 的单个图像也能获得令人满意的结果， 能实时、 准确的分离出运动目标前景和背景， 识别手势类 型。 权利要求书2页 说明书10页 附图6页 CN 115359507 A 2022.11.18 CN 115359507 A 1.一种手部姿势 识别方法， 其特 征在于， 所述方法包括： 获取待识别手势图片， 所述待识别手势图片中包括待识别的人手； 基于抗造 鲁棒的图像分割算法提取 所述待识别手势图片中人手的轮廓特 征； 对所述轮廓特 征向量化， 得到用于标识所述轮廓特 征的特征向量； 对所述特 征向量的向量距离确定所述待识别手势图片中的手势。 2.根据权利要求1所述的手势识别方法， 其特征在于， 所述基于抗造鲁棒的图像分割算 法提取所述待识别手势图片中人手的轮廓特 征， 包括： 对所述待识别手势图片进行二 值化处理， 得到所述待识别图片的灰度图； 将所述灰度图输入至数据细化层， 对所述灰度图进行数据细化和增强， 得到第一输出 数据； 将所述第一输出数据输入至数据标准化层， 对所述灰度图进行均值 ‑方差归一化预处 理， 得到第二输出 数据； 将所述第二输出数据输入至下采样分支， 对所述第二输出数据进行下采样， 得到第三 输出数据； 将所述第三输出数据输入至上采样分支， 对所述第二输出数据进行上采样， 得到第 四 输出数据； 将所述第四输出数据输入至加权损 失分支， 计算所述第 四输出数据网络误差， 得到所 述轮廓特 征。 3.根据权利要求2所述的手势识别方法， 其特征在于， 所述对所述轮廓特征向量化， 得 到用于标识所述轮廓特 征的特征向量， 包括： 在所述灰度图上， 采用预设对轮廓跟踪算法， 确定所述灰度图中待识别手势的边缘点， 构建边缘点集， 并基于所述 边缘点集计算所述待识别手势的质心点； 以所述质心点 为圆心， 将所述待识别手势的轮廓分为相同圆心角度大小的扇形区域； 计算每个所述扇形区域中所述待识别手势的轮廓的点到所述圆心的向量距离， 将所述 向量距离归一 化， 得到所述轮廓特 征的特征向量。 4.根据权利要求1所述的手势识别方法， 其特征在于， 所述对所述特征向量的向量距离 确定所述待识别手势图片中的手势， 包括： 基于所述待识别手势的特征向量的向量距离在预设手势库中查找对应的目标手势， 其 中， 所述目标手势的特征向量的向量距离与所述待识别手势的特征向量的向量距离相似度 最高。 5.一种手势 识别装置， 其特 征在于， 所述手势 识别装置包括： 图片获取模块， 用于获取待识别手势图片， 所述待识别手势图片中包括待识别的人手； 特征提取模块， 用于基于抗造鲁棒的图像分割算法提取所述待识别手势图片中人手的 轮廓特征； 向量提取模块， 用于对所述轮廓特 征向量化， 得到用于标识所述轮廓特 征的特征向量； 手势识别模块， 用于对所述特 征向量的向量距离确定所述待识别手势图片中的手势。 6.根据权利要求5所述的手势识别装置， 其特征在于， 所述特征提取模块在基于抗造鲁 棒的图像分割算法提取 所述待识别手势图片中人手的轮廓特 征时， 可以用于： 对所述待识别手势图片进行二 值化处理， 得到所述待识别图片的灰度图；权　利　要　求　书 1/2 页 2 CN 115359507 A 2将所述灰度图输入至数据细化层， 对所述灰度图进行数据细化和增强， 得到第一输出 数据； 将所述第一输出数据输入至数据标准化层， 对所述灰度图进行均值 ‑方差归一化预处 理， 得到第二输出 数据； 将所述第二输出数据输入至下采样分支， 对所述第二输出数据进行下采样， 得到第三 输出数据； 将所述第三输出数据输入至上采样分支， 对所述第二输出数据进行上采样， 得到第 四 输出数据； 将所述第四输出数据输入至加权损 失分支， 计算所述第 四输出数据网络误差， 得到所 述轮廓特 征。 7.根据权利要求6所述的手势识别装置， 其特征在于， 所述特征提取模块在对所述轮廓 特征向量化， 得到用于标识所述轮廓特 征的特征向量时， 可以用于： 在所述灰度图上， 采用预设对轮廓跟踪算法， 确定所述灰度图中待识别手势的边缘点， 构建边缘点集， 并基于所述 边缘点集计算所述待识别手势的质心点； 以所述质心点 为圆心， 将所述待识别手势的轮廓分为相同圆心角度大小的扇形区域； 计算每个所述扇形区域中所述待识别手势的轮廓的点到所述圆心的向量距离， 将所述 向量距离归一 化， 得到所述轮廓特 征的特征向量。 8.根据权利要求5所述的手势识别装置， 其特征在于， 所述手势识别模块在对所述特征 向量的向量距离确定所述待识别手势图片中的手势时， 可以用于： 基于所述待识别手势的特征向量的向量距离在预设手势库中查找对应的目标手势， 其 中， 所述目标手势的特征向量的向量距离与所述待识别手势的特征向量的向量距离相似度 最高。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 其上存储有可执行代码， 当所述可执行代码被所述处理器执行时， 使所述处理 器执行如权利要求1 ‑5中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有可执行代码， 当所述可执行代码被电子设备 的处理器执行时， 使所述处 理器执行如权利要求1 ‑5中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115359507 A 3