本发明涉及人工智能技术领域，尤其涉及一种基于深度摄像头的手势识别系统。
背景技术：
随着人工智能技术的日益发展，传统的人机交互方式也在发生改变和创新，手势识别、语音识别、指纹识别、人脸识别等新的交互方式得到了越来越广泛的应用。其中，手势识别技术已经成为人机交互最重要的有效途径之一。用户可以使用简单的手势来控制或与设备进行交互，让计算机理解人类的行为，其核心技术为手势分割、手势分析以及手势识别。
目前的手势识别方法是基于普通的rgb相机拍摄图像，预先设定几个手势模板，将手部区域从背景中分割出来，对待识别的手势提取轮廓特征进行形状匹配，计算相似度，根据相似度计算结果并分别归类。这种方法计算量低，算法简单，易于实现，但rgb相机对环境光照、颜色、纹理等信息较为敏感，且基于rgb图像的手部分割算法难度较大，具有识别准确率低的缺点，在实时分类识别中无法表现出良好的性能。
为此，申请人进行了有益的探索和尝试，找到了解决上述问题的办法，下面将要介绍的技术方案便是在这种背景下产生的。
技术实现要素：
本发明所要解决的技术问题：针对现有技术的不足而提供一种不受周围环境影响、可实现实时的分类识别手势的基于深度摄像头的手势识别系统。
本发明所解决的技术问题可以采用以下技术方案来实现：
一种基于深度摄像头的手势识别系统，包括：
一转接板，所述转接板通过一直流电源适配器与交流电源连接；
一安装在所述转接板上的深度摄像头；
至少一安装在所述转接板上的红外光发射器；
一集成在所述转接板上且分别与所述深度摄像头和每一红外光发射器连接的主控芯片；以及
一计算机，所述计算机通过一usb接口与所述主控芯片连接并进行数据交互；
通过所述深度摄像头采集不同场景下多种预定义手势的深度图像，并将采集到的深度图像传送至计算机内，所述计算机内的分类器对所述深度摄像头采集到的深度图像进行分类训练，并建立手势识别数据库；
当需要对使用者做出的手势进行识别时，所述深度摄像头在所述主控芯片的控制下获取使用者所做出的手势的深度图像，并将采集到的深度图像传送至所述计算机内，所述计算机对深度图像进行滤波处理并提取深度图像的手势特征向量，所述计算机内的分类器对提取到的手势特征向量进行分类并生成分类模型，再将生成的分类模型与手势识别数据库内存储的分类模型进行匹配，若匹配成功，则表明使用者做出了相应的手势并输出手势结果。
在本发明的一个优选实施例中，所述深度摄像头为tof深度摄像头，所述主控芯片为3dtofsensor芯片。
由于采用了如上的技术方案，本发明的有益效果在于：本发明采用深度摄像头对使用者所做出的手势进行深度图像采集，再根据深度图像进行手势识别。本发明不受不同的光线环境的影响，可实现实时的分类识别手势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的结构示意图。
图2是本发明的工作流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
参见图1，图中给出的是一种基于深度摄像头的手势识别系统，包括转接板100、深度摄像头200、红外光发射器300a、300b、主控芯片400以及计算机500。
转接板100通过一直流电源适配器110与110v～240v交流电源10连接。深度摄像头200安装在转接板100上，在本实施例中，深度摄像头200为tof深度摄像头，其分辨率可达320×240，产生的空间深度数据足够细腻，视场角为h116°×v60°。红外光发射器300a、300b间隔安装在转接板100上，当然，红外发射器的数量并不局限本实施例中的数量，其应根据设计需要而设计。主控芯片400集成在转接板100上且分别与深度摄像头200和红外光发射器300a、300b，在本实施例中，主控芯片400为3dtofsensor芯片。。计算机500通过一高速usb接口与主控芯片400连接并进行数据交互。
参见图2，本发明的基于深度摄像头的手势识别系统的工作过程如下：
1、首先通过深度摄像头200采集不同场景下多种预定义手势的深度图像，并将采集到的深度图像传送至计算机500内，计算机500内的分类器对深度摄像头采集到的深度图像进行分类训练，并建立手势识别数据库；其中，上述的场景包括但不限于室内场景、公共场合场景、轿车内的场景以及火车驾驶舱内的场景；预定义手势可以为伸出0,1,2,3,4,5根手指的手势、胜利手势等。
2、当需要对使用者做出的手势进行识别时，深度摄像头200在主控芯片400的控制下获取使用者所做出的手势的深度图像，并将采集到的深度图像传送至计算机500内；
3、计算机500对深度图像进行滤波处理并提取深度图像的手势特征向量，计算机500内的分类器对提取到的手势特征向量进行分类并生成分类模型；
4、计算机500内的分类器将生成的分类模型与手势识别数据库内存储的分类模型进行匹配，若匹配成功，则表明使用者做出了相应的手势并输出手势结果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。