用于车辆智能装备的手势识别系统及识别方法与流程

本发明涉及手势识别技术，具体涉及一种用于车辆智能装备的手势识别系统及识别方法。

背景技术：

手势识别技术涉及领域广泛，如模式识别、智能分析、三维图像处理、计算机视觉等领域。手势识别是采集手和手臂特征数据并通过算法处理用以操控电子设备的过程。手势以其直观、自然和易于学习的人机交互的优势和不需要专门的硬件配合的情况下实现智能化的信息交换和处理，因此应用越来越广。现有的手势识别技术中，通常是通过运动学分析得出每个手势的标准模型，这一模型较单一，无法完成大部分手势的有效识别。

技术实现要素：

本发明的目的之一是提供一种识别率高，基于大数据模型的用于车辆智能装备的手势识别系统。

本方案中的用于车辆智能装备的手势识别系统，包括：

手势动作感知模块，用于采集用户手势动作；

手势影像预处理模块，用于对采集到的手势影像进行预处理；

手势分析模块，用于识别预处理后的手势信息并与系统中的手势数据进行匹配，所述的识别基于大数据模型的加速度符号的识别方式；

交互模块，通过手势控制信息与车辆智能装备进行交互。

本发明的有益效果：

通过手势动作感知模块可采集用户的手势动作，通过手势影像预处理模块对采集到的手势影像进行预处理，以便得到系统可识别的手势信息，本发明通过手势分析模块识别预处理后的手势信息并与系统中的手势数据进行匹配，由于本发明手势分析模块的识别是基于大数据模型的加速度符号的识别方式，采用大数据模型，匹配的模型是直接从大数据中提取的，而不是通过运动学分析得出每个手势的标准模型，这样每一个手势就可以有不止一个模型，不同的模型可以记录变形出的不同的加速度符号，从而克服了现有技术中使用的匹配的模型单一的问题，可有效提高识别率。本发明进一步通过交互模块，与车载智能装备进行信息交互。

进一步，所述的手势动作感知模块采用加速度传感器和摄像头。本发明的摄像头用于采集用户的手势图像，加速度传感器用于感知用户手势的移动轨迹，利用加速度传感器取得加速度值，进而为采用加速度符号进行识别提供可能。

进一步，所述的手势影像预处理模块包括肤色侦测模块、背景分离模块、边缘侦测模块、手部区域定位模块、手掌区域侦测模块和手掌影响正规化模块。通过上述手势影像预处理，可得到系统可辨识的手势影响。

进一步，还包括手势更新模块，所述的手势更新模块用于将未识别的手势更新到大数据模型库中。通过手势更新模块，可实现大数据模型库的自我更新，不断的完善大数据模型库，进而逐渐提高手势识别的大数据模型数量，为后面能够识别更多的手势提供可能。

本发明的另一目的是提供一种用于车辆智能装备的手势识别方法，包括以下步骤：

1）采集用户手势动作；

2）对采集到的手势影像进行预处理；

3）采用基于大数据模型的加速度符号的识别方式识别预处理后的手势信息，并与系统中的手势数据进行匹配；

4）输出手势控制信息并与车辆智能装备进行交互。

本方法是基于大数据模型的加速度符号的识别方式，采用大数据模型，匹配的模型是直接从大数据中提取的，而不是通过运动学分析得出每个手势的标准模型，这样每一个手势就可以有不止一个模型，不同的模型可以记录变形出的不同的加速度符号，从而克服了现有技术中使用的匹配的模型单一的问题，可有效提高识别率。

进一步，所述的手势影像预处理包括肤色侦测、背景分离、边缘侦测、手部区域定位、手掌区域侦测和手掌影响正规化。

进一步，还包括将未识别的手势更新到大数据模型库中的步骤。可实现大数据模型库的自我更新，不断的完善大数据模型库，进而逐渐提高手势识别的大数据模型数量。

附图说明

图1为本发明实施例的用于车辆智能装备的手势识别方法的流程示意图。

图2为本发明实施例中加速度符号识别方式的示意图。

图3为本发明实施例中的用于摄像头和加速度传感器的角度调节的调节结构示意图。

具体实施方式

下面通过具体实施方式对本发明作进一步详细的说明：

本实施例用于车辆智能装备的手势识别系统，包括手势动作感知模块，用于采集用户手势动作，本实施例的手势动作感知模块采用加速度传感器和摄像头；手势影像预处理模块，用于对采集到的手势影像进行预处理，本实施例的手势影像预处理模块包括肤色侦测模块、背景分离模块、边缘侦测模块、手部区域定位模块、手掌区域侦测模块和手掌影响正规化模块；手势分析模块，用于识别预处理后的手势信息并与系统中的手势数据进行匹配，所述的识别基于大数据模型的加速度符号的识别方式；交互模块，通过手势控制信息与车辆智能装备进行交互。

本实施例的用于车辆智能装备的手势识别系统还包括手势更新模块，所述的手势更新模块用于将未识别的手势更新到大数据模型库中。

本实施例中，所述的摄像头有六个，并且上面三个、下面三个均匀分布在位于司机面前的车载终端上。所述的加速度传感器有三个，呈三角形均匀分布在司机面前的车载终端上的。通过上述设置，本实施例在采集手势动作时，采用多角度深度成像，根据各个摄像头的角度偏差，计算出目标手势到摄像头中心的距离，进而判断出手的各部分的运动轨迹，作为对加速度传感器采集的信息的补充手段，然后将通过摄像头判断出的手部的运动轨迹与加速度传感器采集的手部的运动轨迹进行比对，得出最准确的手势动作轨迹信息，这样使采集的手势动作信息更准确。

本实施例每个摄像头和每个加速度传感器的角度均是可调节的，具体的调节结构如图3所示：本实施例所述的调节结构包括支杆1，所述的支杆端部设有球状的凸出部4，在所述凸出部4外部球铰有一空心的球状的安装壳体3，所述的摄像头或加速度传感器安装在安装壳体3上，在所述安装壳体3的外表面设有多个卡槽，还包括设置在安装壳体外周的支座2，所述的支座2具有与安装壳体3曲率相同的曲面，在支座2的内侧设有多个可分别卡入卡槽的卡脚5，在所述卡脚5与支座2内侧面之间设有压簧。在所述支座的中部开有过孔，供支杆穿过。

如图1所示，本实施例中的用于车辆智能装备的手势识别方法，包括以下步骤：

1）采集用户手势动作；

2）对采集到的手势影像进行预处理，手势影像预处理包括肤色侦测、背景分离、边缘侦测、手部区域定位、手掌区域侦测和手掌影响正规化；

3）采用基于大数据模型的加速度符号的识别方式识别预处理后的手势信息，并与系统中的手势数据进行匹配；

4）输出手势控制信息并与车辆智能装备进行交互。

本实施例用于车辆智能装备的手势识别方法还包括将未识别的手势更新到大数据模型库中的步骤。

本实施例所述的基于大数据模型的加速度符号的识别方式是指：将每一个手势数据压缩成由若干个（可以是8个或者6个）数字组成的手势模型，并为每种手势建立多个手势模型，通过模型匹配，将各个相似的手势模型进行分类，这样在手势识别中，一个实际的手势可以对应有多个相似的手势模型，因此可以大大提高手势的识别率。

本实施例的加速度符号的识别方式具体是:根据各个手势信号数据的正负号变化序列来将各个手势区分开来，如图2所示，图中以1代表正，-1代表负，序列长度为4，那么该段加速度符号序列就是[1,-1,1,0]。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。