手势识别方法、装置及电子设备与流程

本公开涉及手势识别技术领域，更具体地，涉及一种手势识别方法、装置及一种电子设备；本申请同时还涉及一种手势识别模型的训练方法。

背景技术：

在用户使用虚拟现实(vr，virtualreality)、增强现实(ar，augmentedreality)以及混合显示(mr，mixedreality)等电子设备的过程中，为增强用户沉浸感，一般可以通过接收用户手势并进行手势识别，来接收输入指令，进而实现人机交互。

目前的电子设备在实现手势识别时，一般是固定几种定义手势，并让用户学习这几种手势，以在用户使用电子设备时，通过识别该几种手势，实现用户在各个场景中的交互。

然而，在实现本申请的过程中，发明人发现，现有的基于固定定义手势的手势识别方法，当用户输入的手势为非标准手势或者表示特殊意图的手势时，可能存在识别错误的问题。

技术实现要素：

本公开实施例的一个目的是提供一种用于手势识别的新技术方案，以灵活、准确的识别用户手势。

根据本公开的第一方面，提供了一种手势识别方法，该方法包括：

接收用户在第一时刻输入的第一手势轨迹；

将所述第一手势轨迹输入到目标手势识别模型中，获得第一手势指令；

获取第二时刻的第二手势指令，其中，所述第二时刻早于所述第一时刻，所述第二手势指令由所述目标手势识别模型根据所述用户在所述第二时刻输入的第二手势轨迹预测获得；

根据所述第一手势指令和所述第二手势指令，获得目标手势指令。

可选地，所述目标手势识别模型包括第一手势识别模型和第二手势识别模型，所述第一手势识别模型用于识别属于第一类别的手势轨迹；所述第二手势识别模型至少用于识别属于第二类别的手势轨迹，以及预测用户下一时刻的手势指令；

所述第二手势识别模型通过以下步骤训练获得：

获取样本数据，其中，所述样本数据包括样本手势特征信息和用户意图信息，所述用户意图信息表示所述样本手势特征信息对应的用户意图；

使用所述样本数据训练获得满足预设收敛条件的所述第二手势识别模型。

可选地，所述样本手势特征信息通过以下步骤获得：

获取任意用户在样本时间切片内输入的样本手势轨迹；

将所述样本手势轨迹输入到所述第一手势识别模型中，获得候选手势指令；

根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息。

可选地，所述根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息，包括：

获取与所述候选手势指令对应的至少一个关键点手势；

从所述样本手势轨迹中，获取与所述关键点手势对应的样本手势图像；

通过提取所述样本手势图像的特征信息，获得所述样本手势图像对应的特征信息；以及，

获取所述样本手势图像在所述样本时间切片中的时间信息；

通过建立所述特征信息和所述时间信息的特征表示信息，获得所述样本手势特征信息。

可选地，所述用户意图信息通过以下步骤获得：

获取用户在输入样本手势轨迹时、输入的表示用户意图的语音数据，其中，所述样本手势特征信息根据所述样本手势轨迹获得；

识别所述语音数据的语义信息，获得所述用户意图信息。

可选地，所述第一手势指令和所述第二手势指令中均包含至少一个手势指令；

所述根据所述第一手势指令和所述第二手势指令，获得目标手势指令，包括：

从所述第一手势指令和所述第二手势指令中，获取相匹配的手势指令作为第三手势指令；

根据所述第三手势指令，获得所述目标手势指令。

可选地，在所述第三手势指令包括多个手势指令的情况下，所述根据所述第三手势指令，获得所述目标手势指令，包括：

获取所述第三手势指令中的多个手势指令分别对应的置信度；

从所述第三手势指令中，选取数值满足预设条件的置信度所对应的手势指令作为所述目标手势指令。

根据本公开的第二方面，本公开还提供了一种手势识别模型的训练方法，包括：

获取样本数据，其中，所述样本数据包括样本手势特征信息和用户意图信息，所述用户意图信息表示所述样本手势特征信息对应的用户意图；

使用所述样本数据训练获得满足预设收敛条件的第二手势识别模型，其中，所述第二手势识别模型至少用于识别属于第二类别的手势轨迹，以及预测用户在下一时刻输入的手势指令。

根据本公开的第三方面，本公开还提供了一种手势识别装置，包括：

手势轨迹接收模块，用于接收用户在第一时刻输入的第一手势轨迹；

第一手势指令获得模块，用于将所述第一手势轨迹输入到目标手势识别模型中，获得第一手势指令；

第二手势指令获得模块，用于获取第二时刻的第二手势指令，其中，所述第二时刻早于所述第一时刻，所述第二手势指令由所述目标手势识别模型根据所述用户在所述第二时刻输入的第二手势轨迹预测获得；

目标手势指令获得模块，用于根据所述第一手势指令和所述第二手势指令，获得目标手势指令。

根据本公开的第四方面，还提供了一种电子设备，其包括根据本公开第三方面所述的装置；或者，

所述电子设备包括：存储器，用于存储可执行的指令；处理器，用于根据所述指令的控制运行所述电子设备执行本公开第一方面或者第二方面所述的方法。

本公开的有益效果在于，根据本公开的实施例，电子设备在接收到用户在第一时刻输入的第一手势轨迹之后，通过将该第一手势轨迹输入到目标手势识别模型中，可以获得第一手势指令；以及，通过获取早于该第一时刻的第二时刻的第二手势指令，并结合该第一手势指令和该第二手势指令，获得目标手势指令。该方法在进行手势识别时，通过目标手势识别模型不仅可以获得当前时刻用户输入的手势轨迹对应的手势指令，还可以预测下一时刻用户可能输入的手势指令，从而使得电子设备在下一时刻获取目标手势指令时，可以将上一时刻预测得到的第二手势指令与当前识别得到的第一手势指令进行结合，以灵活、准确的得到表示用户意图的目标手势指令。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。

图1是本公开实施例提供的手势识别方法的流程示意图。

图2是本公开实施例提供的手势识别模型的训练方法的流程示意图。

图3是本公开实施例提供的手势识别装置的原理框图。

图4是本公开实施例提供的电子设备的硬件结构示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<方法实施例一>

目前的电子设备，例如，vr设备在实现手势识别时，一般是固定定义几种手势，并让用户学习这几种手势，以在用户使用电子设备时，通过识别用户做出的该几种手势，实现用户在各个场景中的交互。

以上方法虽然可以实现基于用户手势的人机交互，然而，固定定义手势的手势识别方法，一方面，若定义的手势种类数量太少，则不利于人机交互，而若定义的手势种类数量太多，则存在用户可能记不住手势，进而导致在进行人机交互时，由于手势动作做错，使得电子设备无法正确识别用户手势对应的手势指令，存在影响用户体验的问题；另一方面，固定定义手势的手势识别方法，无论手势种类数量的多少，电子设备在进行手势识别时，均是识别固定手势，即标准手势，而针对用户输入的非标准手势或者其他表示特殊意图的手势，电子设备往往无法正确识别，可能存在识别错误的问题。

针对上述问题，本公开实施例提供一种手势识别方法，请参看图1，其是本公开实施例提供的手势识别方法的流程示意图。该方法可以应用于电子设备中，使得电子设备可以灵活、准确的识别用户手势，以获得对应的手势指令并根据该手势指令做出相应的响应，其中，该电子设备可以为服务器，该服务器用于接收终端设备采集并发送的用户手势轨迹，并根据该手势轨迹，得到目标手势指令，进而根据该指令控制终端设备执行相应的响应；或者，该电子设备也可以直接为终端设备，例如，可以为vr设备、ar设备以及mr设备等设备，此处不做特殊限定。需要说明的是，本实施例中，如无特殊说明，以应用该方法的电子设备为vr设备为例进行说明。

如图1所示，本实施例的方法可以包括步骤s1100-s1400，以下予以详细说明。

步骤s1100，接收用户在第一时刻输入的第一手势轨迹。

在本实施例中，第一手势轨迹，可以是与第一时刻、用户做出的手势动作对应的轨迹，该手势动作可以为第一类别的手势动作，其中，该第一类别的手势动作，可以为电子设备内预先设置的手势动作，用于向电子设备输入对应的手势指令，例如，针对“确认”指令，手势动作可以为一握拳动作；或者，该手势动作也可以为第二类别的手势动作，其中，该第二类别的手势动作可以为用户自定义的手势动作，即，非标准动作，或者表示特殊用户意图的手势动作。

在具体实施时，用户输入的手势轨迹，可以由电子设备先通过与其连接的图像采集装置，例如，摄像机采集用户手部图像，并通过分析该图像获得，例如，在vr设备中，可以通过分析vr设备内置的一个或者多个单色鱼眼追踪相机采集的图像获得该手势轨迹；当然，在具体实施时，也可以通过其他方法获得用户输入的手势轨迹，例如，可以在用户手部设置相应的传感器，并通过该传感器采集的位置信息，分析获得用户输入的手势轨迹，此处不再赘述。

步骤s1200，将所述第一手势轨迹输入到目标手势识别模型中，获得第一手势指令。

目前，用户在基于手势与电子设备，例如vr设备之间进行人机交互时，从应用层面一般包括以下交互场景中的至少一种：1、启动(launcher)场景，该场景一般用于选择意向应用程序，其对应的手势动作主要为“选择”和“确认”，例如，在vr设备中，用户在vr系统主菜单界面下，一般仅需要表征“选择”的手势动作和表征“确认”的手势动作选择意向应用程序；2、系统设置场景，该场景一般用于浏览系统设置以及点击确定设置内容，其对应的手势动作主要为“下拉”、“上翻滑动”和“确认”；3、视频观影场景，该场景一般用于对观影的视频进行确定以及播放控制，其对应的手势动作主要有选择播放视频的“确认”动作、用于“暂停”、“播放”、“快进”、“后退”、“画面缩放”等进行播放控制的动作；4、网页浏览场景，该场景一般用于对网页内容进行控制，其对应的手势动作可以有“下拉”、“上翻”、“确认”等网页浏览动作，以及“复制”、“粘贴”等内容编辑动作；5、多人社交场景，该场景一般用于远程和其他用户进行社交互动；6、多人影院场景，在该场景下，处于不同地理位置，例如，处于不同城市或者不同国家的用户可以异地在一个虚拟场景中同时观看电影，以及还可以通过语音和手势输入，进行互动交流；7、游戏场景，该场景主要是在用户进行游戏时，通过相应手势动作进行游戏操作；8、拍照场景，该场景可以包含一些用于控制拍照的手势动作。

在具体实施时，发明人发现，用户在基于手势与电子设备之间进行交互时，可以根据交互场景的不同，分别为每一场景预先设置对应的一种或多种手势动作，以使得电子设备在确定当前用户所处的交互场景的情况下，可以基于该交互场景所对应的预设手势动作，通过捕捉用户的手势轨迹，准确的识别其对应的手势指令，进而根据该手势指令执行对应的响应。该方法可以在一定程度上提升手势识别的准确度，然而，在做手势动作时，不同用户的手势动作与标准动作可能均有差异，或者，针对同一意图，不同用户还可能通过一些个性化手势动作实现，这就使得电子设备在进行手势识别，尤其是识别非标准手势、个性化手势等第二类别的手势动作时，可能识别错误，因此，在本实施例中，通过预先训练获得一智能的目标手势识别模型，以解决上述问题。

在本实施例中，该目标手势识别模型可以包含多个子模型，例如，可以包含第一手势识别模型和第二手势识别模型，所述第一手势识别模型用于识别属于第一类别的手势动作；所述第二手势识别模型至少用于识别属于第二类别的手势动作，以及预测用户下一时刻的手势指令。

具体来讲，在本实施例中，根据用户与电子设备之间的交互场景，例如，上述八种交互场景，将每一交互场景下的手势动作进行统计和归来总结，获得一预定义的手势动作库，该手势动作库可以包含若干预先定义的、属于第二类别的手势动作，每一手势动作与一交互场景对应，例如，在本实施例中，在vr系统中，基于上述八种交互场景，可以预定义85种通用手势动作；在之后，通过采集若干用户，例如，260人以上所做的该85种手势动作的手势轨迹，作为用于训练第一手势识别模型的样本手势轨迹；在采集获得样本手势轨迹并形成训练数据集之后，可以基于该训练数据集，训练获得上述第一手势识别模型，以识别用户输入的属于第一类别的手势动作，即，识别用户输入的通用手势动作。需要说明的是，在本实施例种，该第一手势识别模型和该第二手势识别模型可以为卷积神经网络模型，本实施例不对该卷积神经网络模型的网络结构做特殊限定。

在具体实施时，在经过上述方法获得第一手势识别模型之后，针对现有技术不能正确识别属于第二类别的手势动作，例如，非标准手势、个性化手势的问题，在本实施例中，在训练获得上述第一手势识别模型之后，还可以基于上述第一手势识别模型的输出，获取用于训练上述第二手势识别模型的样本手势特征信息，并基于该样本手势特征信息，训练得到可以识别属于第二类别的手势动作，以及预测用户在下一时刻输入的手势指令的上述第二手势识别模型，以下对如何训练获得该第二手势识别模型进行详细说明。

在一个实施中，所述第二手势识别模型可以通过以下步骤训练获得：获取样本数据，其中，所述样本数据包括样本手势特征信息和用户意图信息，所述用户意图信息表示所述样本手势特征信息对应的用户意图；使用所述样本数据训练获得满足预设收敛条件的所述第二手势识别模型。

具体来讲，为了提升个性化手势的识别准确度，在本实施例中，可以使用表示用户意图的信息，以及，与该意图信息对应的手势特征信息作为样本数据，训练获得该第二手势识别模型。

在一个实施例中，所述用户意图信息通过以下步骤获得：获取用户在输入样本手势轨迹时、输入的表示用户意图的语音数据，其中，所述样本手势特征信息根据所述样本手势轨迹获得；识别所述语音数据的语义信息，获得所述用户意图信息。

在一个实施例中，目标手势识别模型中还可以包括自然语言理解(nlu，naturallanguageunderstanding)模型，在具体实施时，在训练第二手势识别模型时，以及在利用训练得到的第二手势识别模型用于识别用户手势时，均可以基于该自然语言理解模型，识别用户输入的表示其意图的语音数据，以获得用户意图信息。

在一个实施例中，所述样本手势特征信息可以通过以下步骤获得：获取任意用户在样本时间切片内输入的样本手势轨迹；将所述样本手势轨迹输入到所述第一手势识别模型中，获得候选手势指令；根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息。

样本时间切片，表示用户输入样本手势轨迹时所对应的时间范围，例如，用户在输入“握拳”手势时，其对应的时间范围为“9:00:00—9:00:10”，则可将该时间范围视为用户输入的与“握拳”手势对应的手势轨迹的时间切片。

具体来讲，在本实施例中，可以在第一手势识别模型的基础上，根据第一手势识别模型识别样本手势轨迹得到的候选手势指令，以及，用户在输入该样本手势轨迹时所对应的样本时间切片，获得所示样本手势特征信息。

在该实施例中，所述根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息，包括：获取与所述候选手势指令对应的至少一个关键点手势；从所述样本手势轨迹中，获取与所述关键点手势对应的样本手势图像；通过提取所述样本手势图像的特征信息，获得所述样本手势图像对应的特征信息；以及，获取所述样本手势图像在所述样本时间切片中的时间信息；通过建立所述特征信息和所述时间信息的特征表示信息，获得所述样本手势特征信息。

具体来讲，在训练第二手势识别模型时，为了获得较为稳定、可靠的样本手势特征信息，在本实施例中，在使用第一手势识别模型识别输入的样本手势轨迹，得到一个或多个候选手势指令之后，还可以根据该候选手势指令对应的标准手势动作，获取至少一个关键点手势，例如，针对“握拳”手势，其关键点手势可能有表征起始动作的“手掌张开”手势、表征中间动作的“手掌半握”手势以及表征结束动作的“握拳”手势；在具体实施时，在获得候选手势指令对应的关键点手势之后，可以从样本手势轨迹中获得与每一关键点手势对应的样本手势图像；之后，提取每一样本手势图像的特征信息，并通过将该样本手势图像与其在样本时间切片中对应的时间信息建立关联，以获得样本手势特征信息，由于时间信息中可以携带表示用户意图的上下文信息；同时，还可以进一步结合用户输入的用户意图信息，来理解样本手势轨迹对应的用户意图，以提升第二手势识别模型的识别准确度。

在经过以上处理训练得到第二手势识别模型之后，由于第二手势识别模型可以基于用户意图识别当前时刻输入的手势轨迹所对应的手势指令，同时还可以进一步根据用户意图行为，预测用户在下一时刻，即未来时刻可能输入的手势指令，因此使得电子设备在当前时刻可以根据当前第一时刻识别得到的第一手势指令和上一时刻预测得到的第二手势指令，综合判断以得到当前时刻的目标手势指令。

具体来讲，在步骤s1200之后，执行步骤s1300，获取第二时刻的第二手势指令，其中，所述第二时刻早于所述第一时刻，所述第二手势指令由所述目标手势识别模型根据所述用户在所述第二时刻输入的第二手势轨迹预测获得。

步骤s1400，根据所述第一手势指令和所述第二手势指令，获得目标手势指令。

在一个实施例中，第一手势指令和第二手势指令中可以均包含至少一个手势指令，在该情况下，所述根据第一手势指令和所述第二手势指令，获得目标手势指令，包括：从所述第一手势指令和所述第二手势指令中，获取相匹配的手势指令作为第三手势指令；根据所述第三手势指令，获得所述目标手势指令。

在具体实施时，在所述第三手势指令包括多个手势指令的情况下，所述根据所述第三手势指令，获得所述目标手势指令，包括：获取所述第三手势指令中的多个手势指令分别对应的置信度；从所述第三手势指令中，选取数值满足预设条件的置信度所对应的手势指令作为所述目标手势指令。

即，在第一手势指令和第二手势指令中包含多个相匹配的手势指令的情况下，上述第一手势识别模型以及第二手势识别模型在识别或预测得到手势指令的同时，还可以同时输入该手势指令对应的置信度，其中，置信度，用于表征一个识别结果的置信区间(confidenceinterval)，即，用于表征识别结果的正确程度，其取值范围一般在0～1之间，通常，其数值越大，则表征其正确程度越大。

在具体实施时，所述数值满足预设条件的置信度，可以为数值最大的置信度，或者，也可以根据需要进行设定，此处不做特殊限定。

当然，在具体实施时，在第三手势指令包括多个手势指令的情况下，也可以使用其他方法获得目标手势指令，例如，在该电子设备为终端设备，例如vr设备的情况下，所述根据所述第三手势指令，获得目标手势指令，可以为：展示所述第三手势指令；将用户在所述第三手势指令中选择的手势指令作为所述目标手势指令。

当然，以上仅为本实施例提供的获取目标手势指令的方法，在具体实施时，也可以通过其他方法获取目标手势指令，此处不做特殊限定。

需要说明的是，以上是以第一手势指令和第二手势指令包含的多个手势指令中存在相匹配的第三手势指令为例，说明如何获得目标手势指令；在具体实施时，在第一手势指令和第二手势指令中不包含相匹配的第三手势指令的情况下，也可以直接将当前第一时刻预测得到的第一手势指令作为所述目标手势指令，或者，从第一手势指令包含的多个手势指令中选取满足预设条件的手势指令作为目标手势指令，此处不再赘述。

综上所述，本实施例提供的手势识别方法，电子设备在接收到用户在第一时刻输入的第一手势轨迹之后，通过将该第一手势轨迹输入到目标手势识别模型中，可以获得第一手势指令；以及，通过获取早于该第一时刻的第二时刻的第二手势指令，并将该第一手势指令和该第二手势指令结合，获得目标手势指令。该方法在进行手势识别时，通过目标手势识别模型不仅可以获得当前时刻用户输入的手势轨迹对应的手势指令，还可以预测下一时刻用户可能输入的手势指令，从而使得电子设备在下一时刻获取目标手势指令时，可以将上一时刻预测得到的第二手势指令与当前识别得到的第一手势指令进行结合，以灵活、准确的得到表示用户意图的目标手势指令。

<方法实施例二>

与上述方法实施例一对应，本实施例还提供一种手势识别模型的训练方法，请查看图2，其为本实施例提供的手势识别模型的训练方法的流程示意图。如图2所示，本实施例的方法可以包括步骤s2100-s2200，以下予以详细说明。

步骤s2100，获取样本数据，其中，所述样本数据包括样本手势特征信息和用户意图信息，所述用户意图信息表示所述样本手势特征信息对应的用户意图。

在一个实施例中，所述样本手势特征信息通过以下步骤获得：获取任意用户在样本时间切片内输入的样本手势轨迹；将所述样本手势轨迹输入到第一手势识别模型中，获得候选手势指令；根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息，其中，所述第一手势识别模型用于识别属于第一类别的手势动作。

在该实施例中，所述根据所述候选手势指令、所述样本手势轨迹和所述样本时间切片，获得所述样本手势特征信息，包括：获取与所述候选手势指令对应的至少一个关键点手势；从所述样本手势轨迹中，获取与所述关键点手势对应的样本手势图像；通过提取所述样本手势图像的特征信息，获得所述样本手势图像对应的特征信息；以及，获取所述样本手势图像在所述样本时间切片中的时间信息；通过建立所述特征信息和所述时间信息的特征表示信息，获得所述样本手势特征信息。

在一个实施例中，所述用户意图信息通过以下步骤获得：获取用户在输入样本手势轨迹时、输入的表示用户意图的语音数据，其中，所述样本手势特征信息根据所述样本手势轨迹获得；识别所述语音数据的语义信息，获得所述用户意图信息。

步骤s2200，使用所述样本数据训练获得满足预设收敛条件的第二手势识别模型，其中，所述第二手势识别模型至少用于识别属于第二类别的手势动作，以及预测下一时刻的手势指令。

<装置实施例>

与上述方法实施例对应，本实施例还提供一种手势识别装置，如图3所示，该装置3000可以应用于电子设备中，具体可以包括手势轨迹接收模块3100、第一手势指令获得模块3200、第二手势指令获得模块3300以及目标手势指令获得模块3400。

该手势轨迹接收模块3100，用于接收用户在第一时刻输入的第一手势轨迹。

该第一手势指令获得模块3200，用于将所述第一手势轨迹输入到目标手势识别模型中，获得第一手势指令。

该第二手势指令获得模块3300，用于获取第二时刻的第二手势指令，其中，所述第二时刻早于所述第一时刻，所述第二手势指令由所述目标手势识别模型根据所述用户在所述第二时刻输入的第二手势轨迹预测获得。

该目标手势指令获得模块3400，用于根据所述第一手势指令和所述第二手势指令，获得目标手势指令。

在一个实施例中，所述第一手势指令和所述第二手势指令中均包含至少一个手势指令；该目标手势指令获得模块3400在根据所述第一手势指令和所述第二手势指令，获得目标手势指令时，可以用于：从所述第一手势指令和所述第二手势指令中，获取相匹配的手势指令作为第三手势指令；根据所述第三手势指令，获得所述目标手势指令。

在该实施例中，在所述第三手势指令包括多个手势指令的情况下，该目标手势指令获得模块3400在根据所述第三手势指令，获得所述目标手势指令时，可以用于：获取所述第三手势指令中的多个手势指令分别对应的置信度；从所述第三手势指令中，选取数值满足预设条件的置信度所对应的手势指令作为所述目标手势指令。

<设备实施例>

与上述方法实施例相对应，在本实施例中，还提供一种电子设备，其可以包括根据本公开任意实施例的手势识别装置3000，用于实施本公开任意实施例的方法。

如图4所示，该电子设备4000还可以包括处理器4200和存储器4100，该存储器4100用于存储可执行的指令；该处理器4200用于根据指令的控制运行电子设备以执行根据本公开任意实施例的方法。

以上装置3000的各个模块可以由处理器4200运行该指令以执行根据本公开任意实施例的方法来实现。

该电子设备4000例如可以是vr、ar以及mr设备等设备，此处不做特殊限定。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。