1.一种手势识别方法,其特征在于,包括以下步骤:
S1、分别对不同手势的手势图像序列进行处理,获取所述手势图像序列的多个关键帧图像,所述多个关键帧图像组成关键帧集合,得到对应不同手势的多个关键帧集合;
S2、根据所述对应不同手势的多个关键帧集合设计分类器;
S3、获取待识别手势的手势图像序列的关键帧集合,并利用所述分类器对其进行手势识别。
2.根据权利要求1所述的手势识别方法,其特征在于,所述手势图像序列的多个关键帧图像的获取方法包括以下步骤:
获取手势图像序列中每帧图像的信息熵,并将其映射到一个二维空间坐标平面上,构成手势图像序列的信息熵序列;
从所述二维空间坐标平面上的信息熵序列中获取多个局部极值点,所述局部极值点包括局部极大值和局部极小值;
进行密度聚类,获取所述多个局部极值点的局部密度,并获取每个局部极值点与局部密度比其大的局部极值点之间的最小距离;
获取所述最大的N个最小距离所对应的图像帧为关键帧图像,所述N个关键帧图像组成关键帧集合,所述N为预设特定数目。
3.根据权利要求2所述的手势识别方法,其特征在于,所述步骤S2包括以下步骤:
S21、利用特征描述子分别对多个关键帧集合的多个关键帧图像进行统一描述实现特征提取,得到多个关键帧特征图集合;
S22、对所述多个关键帧特征图集合进行编码;
S23、根据多个编码后的关键帧特征图集合设计分类器。
4.根据权利要求3所述的手势识别方法,其特征在于,所述特征描述子包括SIFT特征描述子、SURF特征描述子、VLBP特征描述子、LBP-TOP特征描述子、SIFT-3D特征描述子、HOG特征描述子、角点描述子或边缘描述子。
5.根据权利要求3所述的手势识别方法,其特征在于,所述步骤S22中的编码方法包括词袋模型。
6.根据权利要求3至5任一项所述的手势识别方法,其特征在于,所述步骤S23包括以下步骤:
S231、建立手势类别标签与多个编码后的关键帧特征图集合的对应关系,所述手势类别标签与多个编码后的关键帧特征图集合构成手势识别训练集;
S232、分类器根据手势识别训练集进行参数学习以获取分类器的模型参数实现分类器设计。
7.根据权利要求6所述的手势识别方法,其特征在于,所述分类器包括支持向量机分类器、最近邻分类器或随机森林分类器。
8.一种手势识别系统,其特征在于,包括
关键帧集合获取装置,用于分别对不同手势的手势图像序列进行处理,获取所述手势图像序列的多个关键帧图像,所述多个关键帧图像组成关键帧集合,得到对应不同手势的多个关键帧集合;
分类器获取装置,用于根据所述对应不同手势的多个关键帧集合设计分类器;
手势识别装置,用于获取待识别手势的手势图像序列的关键帧集合,并利用所述分类器对其进行手势识别。
9.根据权利要求8所述的手势识别系统,其特征在于,所述关键帧集合获取装置包括
信息熵获取与映射单元,用于获取手势图像序列中每帧图像的信息熵,并将其映射到一个二维空间坐标平面上,构成手势图像序列的信息熵序列;
局部极值点获取单元,用于从所述二维空间坐标平面上的信息熵序列中获取多个局部极值点,所述局部极值点包括局部极大值和局部极小值;
局部密度与最小距离获取单元,用于进行密度聚类,获取所述多个局部极值点的局部密度,并获取每个局部极值点与局部密度比其大的局部极值点之间的最小距离;
关键帧集合获取单元,用于获取所述最大的N个最小距离所对应的图像帧为关键帧图像,所述N个关键帧图像组成关键帧集合,所述N为预设特定数目。
10.根据权利要求8或9所述的手势识别系统,其特征在于,所述分类器获取装置包括
关键帧图像特征提取单元,用于利用特征描述子分别对多个关键帧集合的多个关键帧图像进行统一描述实现特征提取,得到多个关键帧特征图集合;
关键帧图像特征编码单元,用于对所述多个关键帧特征图集合进行编码;
分类器获取单元,用于根据多个编码后的关键帧特征图集合设计分类器。