一种手势标签的标定系统、方法及装置与流程

1.本发明涉及图像识别技术领域，具体而言，涉及一种手势标签的标定系统、方法及装置。


背景技术：

2.随着科技的发展，为了提高用户生活质量，各种智能化控制设备应运而生。例如，智能家居以及智能驾驶等领域，通过用户的手势控制被控设备的相应的功能，以提高用户的使用体验。
3.目前通过手势控制被控设备的相应功能的技术中，首先需要识别手势所表征的含义，进而基于所识别的手势所表征的含义控制被控设备的相应功能。相关技术中，图像中手势所表征的含义一般需要通过神经网络模型进行识别。而为了训练得到可以用于识别图像中所包含手势的手势标签的手势识别模型，需要获得大量的标定有手势标签的样本图像，来训练得到手势识别模型。相应的，如何获得标定有手势标签的样本图像至关重要，即如何对图像中包含的手势标定手势标签至关重要。


技术实现要素：

4.本发明提供了一种手势标签的标定系统、方法及装置，以实现对图像所包含的手势对应的手势标签的标定。具体的技术方案如下：
5.第一方面，本发明实施例提供了一种手势标签的标定系统，所述系统包括处理器，以及多个图像采集设备，所述处理器与所述多个图像采集设备连接；
6.所述多个图像采集设备，被配置为从不同角度对手势展示区域进行拍摄；
7.所述处理器，被配置为获得所述多个图像采集设备在相同采集周期内针对所述手势展示区域采集的图像，作为待识别图像；并基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述待识别图像包含：所述手势展示区域内所展示的待识别手势。
8.可选的，所述系统还包括显示器件；
9.所述处理器在基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签的过程中，被具体配置为：
10.将所述多个图像采集设备中每一图像采集设备所采集的待识别图像，发送至所述显示器件；
11.所述显示器件，被配置为展示所述多个图像采集设备中每一图像采集设备所采集的待识别图像，以供用户基于所述待识别图像中的目标待识别图像所包含的待识别手势，输入所述目标识别图像所包含的待识别手势对应的手势标签；
12.所述处理器获得所述用户针对所述目标待识别图像所输入的所述手势标签；将所
述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。
13.可选的，所述处理器，还被配置为：在所述将所述手势标签，确定为所述待识别图像中每一图像所包含的手势对应的手势标签，并进行标记之后，获得初始的第一手势识别模型；
14.获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：所述多个图像采集设备在相同采集周期内针对所述手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：所述处理器基于该组样本手势图像以及所述预设手势识别方式，所确定的所述手势展示区域中所展示样本手势对应的手势标签；
15.利用所述多组样本手势图像及每组样本手势图像对应的标定手势标签，以及所述待识别图像及其对应的手势标签，训练所述初始的第一手势识别模型，直至所述初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
16.可选的，所述处理器在基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签的过程，被具体配置为：
17.基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述预先训练的手势识别模型为：基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从所述不同角度针对样本手势所采集的图像。
18.可选的，所述处理器，还被配置为在所述基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签之前，训练得到所述预先训练的手势识别模型的过程，其中，所述过程包括：
19.获得初始的第二手势识别模型；
20.获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从所述不同角度针对样本手势所采集的图像；
21.利用每组样本图像以及每组样本图像对应的样本手势标签，训练所述初始的第二手势识别模型，直至所述初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
22.第二方面，本发明实施例提供了一种手势标签的标定方法，应用于手势识别系统的处理器，所述手势识别系统还包括多个从不同角度对所述手势展示区域进行拍摄的图像采集设备；所述方法包括：
23.获得多个图像采集设备在相同采集周期内针对手势展示区域采集的图像，作为待识别图像，其中，所述待识别图像包含：所述手势展示区域内所展示的待识别手势；
24.基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所
述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签。
25.可选的，所述基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签的步骤，包括：
26.发送所述多个图像采集设备中每一图像采集设备所采集的待识别图像至显示器件，以使所述显示器件展示所述多个图像采集设备中每一图像采集设备所采集的待识别图像，以供用户基于所述待识别图像中的目标待识别图像所包含的待识别手势，输入所述目标识别图像所包含的待识别手势对应的手势标签；
27.获得所述用户针对所述目标待识别图像所输入的所述手势标签；
28.将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。
29.可选的，在所述将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定的步骤之后，所述方法还包括：
30.获得初始的第一手势识别模型；
31.获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：所述多个图像采集设备在相同采集周期内针对所述手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：所述处理器基于该组样本手势图像以及所述预设手势识别方式，所确定的所述手势展示区域中所展示样本手势对应的手势标签；
32.利用所述多组样本手势图像及每组样本手势图像对应的标定手势标签，以及所述待识别图像及其对应的手势标签，训练所述初始的第一手势识别模型，直至所述初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
33.可选的，所述基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签的步骤，包括：
34.基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述预先训练的手势识别模型为：基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从所述不同角度针对样本手势所采集的图像。
35.可选的，在所述基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签的步骤之前，所述方法还包括：
36.训练得到所述预先训练的手势识别模型的过程，其中，所述过程包括：
37.获得初始的第二手势识别模型；
38.获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从所述不同角度针对样本手势所采集的图
像；
39.利用每组样本图像以及每组样本图像对应的样本手势标签，训练所述初始的第二手势识别模型，直至所述初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
40.第三方面，本发明实施例提供了一种手势标签的标定装置，应用于手势识别系统，所述手势识别系统还包括多个从不同角度对所述手势展示区域进行拍摄的图像采集设备；所述装置包括：
41.第一获得模块，被配置为获得多个图像采集设备在相同采集周期内针对手势展示区域采集的图像，作为待识别图像，其中，所述待识别图像包含：在所述手势展示区域内所展示的待识别手势；
42.确定标定模块，被配置为基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签。
43.可选的，所述确定标定模块，包括：
44.发送单元，被配置为发送所述多个图像采集设备中每一图像采集设备所采集的待识别图像至显示器件，以使所述显示器件展示所述多个图像采集设备中每一图像采集设备所采集的待识别图像，以供用户基于所述待识别图像中的目标待识别图像所包含的待识别手势，输入所述目标识别图像所包含的待识别手势对应的手势标签；
45.第一获得单元，被配置为获得所述用户针对所述目标待识别图像所输入的所述手势标签；
46.确定标定单元，被配置为将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。
47.可选的，所述装置还包括：
48.第二获得模块，被配置为在所述将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定之后，获得初始的第一手势识别模型；
49.第三获得模块，被配置为获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：所述多个图像采集设备在相同采集周期内针对所述手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：所述处理器基于该组样本手势图像以及所述预设手势识别方式，所确定的所述手势展示区域中所展示样本手势对应的手势标签；
50.第一训练模块，被配置为利用所述多组样本手势图像及每组样本手势图像对应的标定手势标签，以及所述待识别图像及其对应的手势标签，训练所述初始的第一手势识别模型，直至所述初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
51.可选的，所述确定标定模块，被具体配置为
52.基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述预先训练的手势识别模型为：基于多组包含样本手势的样本图像
及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从所述不同角度针对样本手势所采集的图像。
53.可选的，所述装置还包括：
54.模型训练模块，被配置为在所述基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签之前，训练得到所述预先训练的手势识别模型的过程，其中，所述模型训练模块，被具体配置为：
55.获得初始的第二手势识别模型；
56.获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从所述不同角度针对样本手势所采集的图像；
57.利用每组样本图像以及每组样本图像对应的样本手势标签，训练所述初始的第二手势识别模型，直至所述初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
58.由上述内容可知，本发明实施例提供的一种手势标签的标定系统、方法及装置，该系统包括处理器，以及多个图像采集设备，处理器与多个图像采集设备连接；多个图像采集设备，被配置为从不同角度对手势展示区域进行拍摄；处理器，被配置为获得所述多个图像采集设备在相同采集周期内针对手势展示区域采集的图像，作为待识别图像；并基于多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定手势展示区域所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签，其中，待识别图像包含：手势展示区域内所展示的待识别手势。
59.应用本发明实施例，可以基于预设手势识别方式以及从不同角度对手势展示区域所展示的待识别手势进行拍摄时所得到的待识别图像，确定出手势展示区域所展示的待识别手势的手势标签，即一次性确定出多个待识别图像中所包含待识别手势对应的手势标签，实现对图像所包含的手势对应的手势标签的标定，并且可以实现对所包含手势存在遮挡的待识别图像中待识别手势对应的手势标签的标定，在一定程度上可以降低标定图像对应的手势标签的工作量。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
60.本发明实施例的创新点包括：
61.1、可以基于预设手势识别方式以及从不同角度对手势展示区域所展示的待识别手势进行拍摄时所得到的待识别图像，确定出手势展示区域所展示的待识别手势的手势标签，即一次性确定出多个待识别图像中所包含待识别手势对应的手势标签，实现对图像所包含的手势对应的手势标签的标定，并且可以实现对所包含手势存在遮挡的待识别图像中待识别手势对应的手势标签的标定，在一定程度上可以降低标定图像对应的手势标签的工作量。
62.2、通过显示器件显示多个图像采集设备所采集的多个待识别图像，供用户基于每一待识别图像中的目标待识别图像所包含的待识别手势，从多个待识别图像中筛选出角度较正，即包含待识别手势较正面的目标待识别图像，确定出待识别手势对应的手势标签即确定出各待识别图像对应的手势标签，进而标定，以保证所确定出待识别图像对应的手势
标签的准确性，并在一定程度上降低标定角度不正即包含存在遮挡的手势的图像中待识别手势对应的手势标签的难度。
63.3、利用多组样本手势图像及每组样本手势图像对应的标定手势标签，以及该组待识别图像及其对应的手势标签，训练初始的第一手势识别模型，以得到用于检测图像所包含手势对应的手势标签的目标手势识别模型，使得目标手势识别模型学习到样本手势和待识别手势的各角度的特征，进而，提高目标手势识别模型对图像中的手势进行识别，确定图像中的手势对应的手势标签的准确性，提高目标手势识别模型的识别结果的精度。
64.4、通过基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，所得到的预先训练的手势识别模型，即学习到各样本手势的各角度的特征的预先训练的手势识别模型，对待识别图像中的待识别手势进行识别，确定出手势展示区域中所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签，以得到较准确的待识别图像对应的手势标签。
附图说明
65.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。
66.图1为本发明实施例提供的手势标签的标定系统的一种结构示意图；
67.图2为本发明实施例提供的手势标签的标定系统的一种结构示意图；
68.图3为本发明实施例提供的手势标签的标定方法的一种流程示意图；
69.图4为本发明实施例提供的手势标签的标定装置的一种结构示意图。
具体实施方式
70.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
71.需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
72.本发明提供了一种手势标签的标定系统、方法及装置，以实现对图像所包含的手势对应的手势标签的标定。下面对本发明实施例进行详细说明。
73.图1为本发明实施例提供的手势标签的标定系统的一种结构示意图。该系统可以包括处理器110，以及多个图像采集设备120，处理器110与多个图像采集设备120连接；其中，可以是直接连接也可以是间接连接，这都是可以的。
74.多个图像采集设备120，被配置为从不同角度对手势展示区域进行拍摄；
75.处理器110，被配置为获得多个图像采集设备在相同采集周期内针对手势展示区
域采集的图像，作为待识别图像；并基于多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定手势展示区域所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签。
76.其中，待识别图像包含：手势展示区域内所展示的待识别手势。
77.其中，多个图像采集设备120可以为各种类型的图像采集设备，例如可以为红外图像采集设备，即可以采集红外图像的图像采集设备，相应的，该待识别图像为红外图像。多个图像采集设备120也可以为色彩图像采集设备，即可以采集色彩图像的图像采集设备，相应的，该待识别图像为色彩图像。在一种情况中，该多个图像采集设备120可以设置于车辆内部，用于针对车辆内部人员在手势展示区域所展示的手势进行拍摄。该处理器110可以设置于该车辆的车载设备内，可以不设置于该车辆的车载设备内，这都是可以的。另一种情况中，该多个图像采集设备120也可以设置于目标室内，用于针对目标室内的人员在手势展示区域所展示的手势进行拍摄。
78.该手势展示区域可以为该多个图像采集设备120可以共同拍摄到的区域。该手势展示区域可以展示手势。
79.多个图像采集设备120在相同采集周期内针对手势展示区域采集图像之后，可以发送至处理器110，处理器110获得相应的图像，作为待识别图像，其中，每一待识别图像包含该手势展示区域所展示的手势，可以称为待识别手势。进而，处理器110基于预设手势识别方式，以及每一图像采集设备120所采集的待识别图像，确定出手势展示区域所展示的待识别手势对应的手势标签，将所确定的手势展示区域所展示的待识别手势对应的手势标签，确定为每一待识别图像对应的手势标签，并记录每一待识别图像与所确定的手势标签的对应关系。
80.其中，手势标签可以根据用户的实际需求进行设定。举例而言，手势标签可以包括但不限于：剪刀手手势、食指和中指并拢手势、“八”手势、“六”手势等等。其中，“八”手势指所展示的表示“八”的手势，“六”手势指所展示的表示“六”的手势。
81.应用本发明实施例，可以基于预设手势识别方式以及从不同角度对手势展示区域所展示的待识别手势进行拍摄时所得到的待识别图像，确定出手势展示区域所展示的待识别手势的手势标签，即一次性确定出多个待识别图像中所包含待识别手势对应的手势标签，实现对图像所包含的手势对应的手势标签的标定，并且可以实现对所包含手势存在遮挡的待识别图像中待识别手势对应的手势标签的标定，在一定程度上可以降低标定图像对应的手势标签的工作量。
82.在本发明的另一实施例中，如图2所示，所述系统还可以包括显示器件130；
83.处理器110在基于多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定手势展示区域所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签的过程中，被具体配置为：
84.将多个图像采集设备中每一图像采集设备所采集的待识别图像，发送至显示器件130；
85.显示器件130，被配置为展示多个图像采集设备中每一图像采集设备所采集的待识别图像，以供用户基于待识别图像中的目标待识别图像所包含的待识别手势，输入目标识别图像所包含的待识别手势对应的手势标签；
86.处理器110获得用户针对目标待识别图像所输入的手势标签；将手势标签，确定为待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。
87.本实施例中，该预设手势识别方式为人工识别方式，相应的，该手势标签的标定系统还可以包括显示器件130，处理器110获得多个图像采集设备120中的每一图像采集设备120采集的待识别图像之后，可以将待识别图像发送至显示器件130，显示器件130展示每一图像采集设备120采集的待识别图像，用户可以从显示器件130所展示的待识别图像中，确定出角度较正，即包含正面的待识别手势的待识别图像，作为目标待识别图像，并基于该目标待识别图像中待识别手势确定其对应的手势标签，并输入手势标签，处理器110获得用户针对目标待识别图像输入的手势标签，该手势标签即为手势展示区域所展示的待识别手势对应的手势标签。后续的，将用户输入的手势标签，确定为待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。即记录每一待识别图像与手势标签的对应关系。以保证所确定出待识别图像对应的手势标签的准确性，并在一定程度上降低标定角度不正即包含存在遮挡的手势的图像中待识别手势对应的手势标签的难度。
88.在一种情况中，多个图像采集设备同时从不同角度对手势展示区域进行拍摄，可能会存在部分图像采集设备针对手势展示区域所展示的待识别手势的拍摄角度不佳，导致该类图像采集设备所采集的图像中仅包括该待识别手势的部分内容。例如：待识别手势为大拇指与小拇指张开，食指、中指以及无名指弯曲的手势，即实际对应的手势标签为“六”，部分图像采集设备所采集的图像中可能仅包含大拇指张开的内容，小拇指的状态被弯曲的食指、中指以及无名指遮挡，或者，部分图像采集设备所采集的图像中可能仅包含小拇指张开的内容，大拇指的状态被弯曲的食指、中指以及无名指遮挡。如果单独针对该类图像采集设备所采集的图像所展示的待识别手势，易标错标签，甚至无法标记标签。
89.在本发明实施例中，由于多个图像采集设备可以同时从不同角度对手势展示区域进行全方位拍摄，多个图像采集设备中存在正面拍摄到待识别手势的图像采集设备，该类图像采集设备所采集的图像中包含待识别手势的全部内容，即目标待识别图像，用户可以基于该包含待识别手势的全部内容的目标待识别图像，标记该待识别手势对应的手势标签。进而，电子设备可以将基于目标待识别图像所标记的该待识别手势对应的手势标签，作为该多个图像采集设备同时所采集的图像中待识别手势对应的手势标签，实现对所包含手势存在遮挡的待识别图像中待识别手势对应的手势标签的标定。
90.在本发明的另一实施例中，所述处理器110，还可以被配置为：在所述将手势标签，确定为待识别图像中每一图像所包含的手势对应的手势标签，并进行标记之后，获得初始的第一手势识别模型；
91.获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：多个图像采集设备120在相同采集周期内针对手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：处理器110基于该组样本手势图像以及预设手势识别方式，所确定的手势展示区域中所展示样本手势对应的手势标签；
92.利用多组样本手势图像及每组样本手势图像对应的标定手势标签，以及待识别图像及其对应的手势标签，训练初始的第一手势识别模型，直至初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模
型。
93.本实施例中，处理器110确定出该多个待识别图像对应的手势标签之后，可以判断当前利用预设手势识别方式，确定出其对应的手势标签的图像组的组数，是否超过一定数量，该图像组可以为该多个图像采集设备120所采集的图像；在确定判断当前确定出其对应的手势标签的图像组的组数超过一定数量，可以将该确定出其对应的手势标签的图像组中的每一图像作为样本手势图像，其对应的手势标签称为标定手势标签。每一组样本手势图像包含样本手势，同一组样本手势图像中的不同图像包含的样本手势对应的采集角度不同。
94.处理器110获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签之后，可以将多组样本手势图像及每组样本手势图像对应的标定手势标签，以及待识别图像及其对应的手势标签，分别输入初始的第一手势识别模型，利用多组样本手势图像及每组样本手势图像对应的标定手势标签，以及待识别图像及其对应的手势标签，训练初始的第一手势识别模型，直至初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
95.一种实现中，该初始的第一手势识别模型可以为基于深度学习算法的神经网络模型，例如卷积神经网络模型。其中，初始的第一手势识别模型可以包括第一特征提取层以及第一特征分类层。相应的，训练初始的第一手势识别模型的过程，可以是：
96.将每一组样本手势图像、或待识别图像分别作为一组模型输入图像；将每组模型输入图像输入第一特征提取层，利用第一特征提取层的模型参数的当前值，对每组模型输入图像进行图像特征提取，得到每组模型输入图像对应的特征图像；将每组模型输入图像对应的特征图像，输入第一特征分类层；利用第一特征分类层的模型参数的当前值以及每组模型输入图像对应的特征图像，确定每组模型输入图像对应的预测手势标签；利用预设优化算法、每组模型输入图像对应的预测手势标签以及标定手势标签，确定第一特征提取层以及第一特征分类层的模型参数的更新值；将第一特征提取层以及第一特征分类层的模型参数的当前值，修正为该第一特征提取层以及第一特征分类层的模型参数的更新值；直至初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
97.其中，该预设优化算法可以为梯度下降法。该预设第一收敛条件可以为：基于调整参数后所得的初始的第一手势识别模型对验证集中的每一图像进行识别检测，所得到的验证集中的每一图像对应的预测手势标签，与该验证集中的每一图像对应的标定手势标签一致的数量，占该验证集中所有图像的数量的比例，超过预设比例阈值；或者，可以为：基于调整参数后所得的初始的第一手势识别模型对验证集中的每一图像进行识别检测，所得到的验证集中的每一图像对应的预测手势标签，与该验证集中的每一图像对应的标定手势标签一致的结果数量超过预设数量阈值；或者，可以为：迭代调整的第一手势识别模型的第一特征提取层以及第一特征分类层的模型参数的次数超过预设次数等。
98.通过包含各角度的样本手势的样本手势图像及其标定手势标签，以及待识别图像及其对应的手势标签，训练得到的目标手势识别模型，学习到样本手势和待识别手势的各角度的特征，进而，可以提高目标手势识别模型对图像中的手势进行识别时，所确定得图像中的手势对应的手势标签的准确性，即提高目标手势识别模型的识别结果的精度。
99.在本发明的另一实施例中，所述处理器110，在基于多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定手势展示区域所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签的过程，被具体配置为：
100.基于预先训练的手势识别模型以及多个图像采集设备120所采集的待识别图像，确定手势展示区域中所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签，其中，预先训练的手势识别模型为：基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从不同角度针对样本手势所采集的图像。
101.其中，该多个样本图像采集设备可以为上述的多个图像采集设备120，也可以是与上述的多个图像采集设备120的拍摄角度相同的同类型的多个其他的图像采集设备，这都是可以的。其中，上述的拍摄角度相同可以指：拍摄角度之间的角度误差在预设允许范围内。同类型可以指：同为采集红外图像的图像采集设备，或同为采集色彩图像的图像采集设备。
102.本实施例中，处理器110可以直接利用预先基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的预先训练的手势识别模型，对多个图像采集设备所采集的待识别图像进行识别检测，确定出手势展示区域中所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签。
103.具体的，预先训练的手势识别模型可以包括第二特征提取层和第二特征分类层，处理器将多个待识别图像输入第二特征提取层，利用第二特征提取层的模型参数的值，对多个待识别图像进行图像特征提取，得到多个待识别图像对应的特征图像；将多个待识别图像的特征图像输入第二特征分类层，利用第二特征分类层的模型参数的值以及多个待识别图像的特征图像，确定多个待识别图像对应的手势标签，即待识别图像中包含的手势展示区域所展示的待识别手势对应的手势标签。并记录每一待识别图像与该手势标签的对应关系。
104.在本发明的另一实施例中，所述处理器110，还被配置为在所述基于预先训练的手势识别模型以及多个图像采集设备所采集的待识别图像，确定手势展示区域中所展示的待识别手势对应的手势标签，并标定待识别图像对应的手势标签之前，训练得到预先训练的手势识别模型的过程，其中，所述过程包括：
105.获得初始的第二手势识别模型；
106.获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从不同角度针对样本手势所采集的图像；
107.利用每组样本图像以及每组样本图像对应的样本手势标签，训练初始的第二手势识别模型，直至初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
108.本实施例中，该初始的第二手势识别模型可以为基于深度学习算法的神经网络模型，例如：卷积神经网络模型。
109.相应的，训练初始的第二手势识别模型的过程，可以是：
110.将每组样本图像输入第二特征提取层，利用第二特征提取层的模型参数的当前值，对每组样本图像进行图像特征提取，得到每组样本图像对应的特征图像；将每组样本图
023：
122.021：获得初始的第一手势识别模型；
123.022：获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：所述多个图像采集设备在相同采集周期内针对所述手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：所述处理器基于该组样本手势图像以及所述预设手势识别方式，所确定的所述手势展示区域中所展示样本手势对应的手势标签；
124.023：利用所述多组样本手势图像及每组样本手势图像对应的标定手势标签，以及所述待识别图像及其对应的手势标签，训练所述初始的第一手势识别模型，直至所述初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
125.在本发明的另一实施例中，所述s302，可以包括如下步骤031：
126.031：基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述预先训练的手势识别模型为：基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从所述不同角度针对样本手势所采集的图像。
127.在本发明的另一实施例中，在所述031之前，所述方法还可以包括：
128.训练得到所述预先训练的手势识别模型的过程，其中，所述过程可以包括如下步骤041-043：
129.041：获得初始的第二手势识别模型；
130.042：获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从所述不同角度针对样本手势所采集的图像；
131.043：利用每组样本图像以及每组样本图像对应的样本手势标签，训练所述初始的第二手势识别模型，直至所述初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
132.相应于上述系统实施例，本发明实施例提供了一种手势识别装置，应用于手势识别系统，所述手势识别系统还包括多个从不同角度对所述手势展示区域进行拍摄的图像采集设备；如图4所示，所述装置包括：
133.第一获得模块410，被配置为获得多个图像采集设备在相同采集周期内针对手势展示区域采集的图像，作为待识别图像，其中，所述待识别图像包含：在所述手势展示区域内所展示的待识别手势；
134.确定标定模块420，被配置为基于所述多个图像采集设备所采集的待识别图像以及预设手势识别方式，确定所述手势展示区域所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签。
135.应用本发明实施例，可以基于预设手势识别方式以及从不同角度对手势展示区域所展示的待识别手势进行拍摄时所得到的待识别图像，确定出手势展示区域所展示的待识别手势的手势标签，即一次性确定出多个待识别图像中所包含待识别手势对应的手势标
签，实现对图像所包含的手势对应的手势标签的标定，并且可以实现对所包含手势存在遮挡的待识别图像中待识别手势对应的手势标签的标定，在一定程度上可以降低标定图像对应的手势标签的工作量。
136.在本发明的另一实施例中，所述确定标定模块420，包括：
137.发送单元(图中未示出)，被配置为发送所述多个图像采集设备中每一图像采集设备所采集的待识别图像至显示器件，以使所述显示器件展示所述多个图像采集设备中每一图像采集设备所采集的待识别图像，以供用户基于所述待识别图像中的目标待识别图像所包含的待识别手势，输入所述目标识别图像所包含的待识别手势对应的手势标签；
138.第一获得单元(图中未示出)，被配置为获得所述用户针对所述目标待识别图像所输入的所述手势标签；
139.确定标定单元(图中未示出)，被配置为将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定。
140.在本发明的另一实施例中，所述装置还包括：
141.第二获得模块(图中未示出)，被配置为在所述将所述手势标签，确定为所述待识别图像中每一图像所包含的待识别手势对应的手势标签，并进行标定之后，获得初始的第一手势识别模型；
142.第三获得模块(图中未示出)，被配置为获得多组包含样本手势的样本手势图像，以及每组样本手势图像对应的标定手势标签，其中，每组样本手势图像包括：所述多个图像采集设备在相同采集周期内针对所述手势展示区域所采集的图像，每组样本手势图像对应的标定手势标签为：所述处理器基于该组样本手势图像以及所述预设手势识别方式，所确定的所述手势展示区域中所展示样本手势对应的手势标签；
143.第一训练模块(图中未示出)，被配置为利用所述多组样本手势图像及每组样本手势图像对应的标定手势标签，以及所述待识别图像及其对应的手势标签，训练所述初始的第一手势识别模型，直至所述初始的第一手势识别模型达到预设第一收敛条件，得到用于检测图像所包含手势对应的手势标签的目标手势识别模型。
144.在本发明的另一实施例中，所述确定标定模块420，被具体配置为
145.基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签，其中，所述预先训练的手势识别模型为：基于多组包含样本手势的样本图像及每组样本图像对应的样本手势标签，训练所得的模型，每组样本图像包括：多个样本图像采集设备在相同采集周期，从所述不同角度针对样本手势所采集的图像。
146.在本发明的另一实施例中，所述装置还包括：
147.模型训练模块(图中未示出)，被配置为在所述基于预先训练的手势识别模型以及所述多个图像采集设备所采集的待识别图像，确定所述手势展示区域中所展示的待识别手势对应的手势标签，并标定所述待识别图像对应的手势标签之前，训练得到所述预先训练的手势识别模型的过程，其中，所述模型训练模块，被具体配置为：
148.获得初始的第二手势识别模型；
149.获得多组样本图像，以及每组样本图像对应的样本手势标签，其中，每组样本图像包括：多个样本图像采集设备在相同采集周期从所述不同角度针对样本手势所采集的图
像；
150.利用每组样本图像以及每组样本图像对应的样本手势标签，训练所述初始的第二手势识别模型，直至所述初始的第二手势识别模型达到预设第二收敛条件，得到用于检测图像所包含手势对应的手势标签的预先训练的手势识别模型。
151.上述装置、方法实施例与系统实施例相对应，与该系统实施例具有同样的技术效果，具体说明参见系统实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见系统及方法实施例部分，此处不再赘述。本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
152.本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
153.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。