技术特征：
1.一种手势识别方法，其特征在于，包括：获取原始图像，其中，所述原始图像中包含有手势；对所述原始图像进行手部目标检测，得到手部关键特征数据集；利用所述手部关键特征数据集作为训练数据集对预设初始手势识别模型进行训练，得到基础手势识别模型；对所述基础手势识别模型进行剪枝处理，得到标准手势识别模型；获取待识别图像，并利用所述标准手识别模型识别所述待识别图像中的手势类型。2.如权利要求1所述的手势识别方法，其特征在于，所述利用所述手部关键特征数据集作为训练数据集对预设初始手势识别模型进行训练，得到基础手势识别模型，包括：采用轻量级mobilenetv2网络模型作为所述预设初始手势识别模型的主干网络；在所述主干网络中间接一条包含预设手势关键特征的回归分支，及在所述主干网络最后接一条包含多种预设手势的分类分支；冻结所述主干网络，单独训练所述回归分支和所述分类分支的权重；在所述预设初始手势识别模型收敛后，打开所述主干网络，对所述预设初始手势识别模型的权重进行调整，得到所述基础手势识别模型。3.如权利要求2所述的手势识别方法，其特征在于，所述多种预设手势至少包括：比心手势、ok手势、手掌张开手势、握拳手势，敬礼手势、竖大拇指手势、差评手势、第一摇滚手势、食指上指手势、两指并拢手势、胜利手势、大v手势、打电话手势、卷心菜手势、比四手势、第一手枪手势、第二摇滚手势、手掌朝下手势、发誓手势、第二手枪手势、蜘蛛侠手势和勾引手势。4.如权利要求2所述的手势识别方法，其特征在于，所述对所述基础手势识别模型进行剪枝处理，得到标准手势识别模型，包括：删除所述基础手势识别模型中的回归分支，得到所述标准手势识别模型。5.如权利要求1所述的手势识别方法，其特征在于，所述对所述原始图像进行手部目标检测，得到手部关键点数据集，包括：对所述原始图像进行手部目标检测，确定手部位置信息；根据所述手部位置信息确定手部目标框；在所述手部目标框内截取手部兴趣区域；对所述手部兴趣区域进行统一尺寸处理，得到所述手部关键特征数据集。6.如权利要求5所述的手势识别方法，其特征在于，所述手部位置信息至少包括：手部中心点坐标、手部高度及手部宽度。7.如权利要求6所述的手势识别方法，其特征在于，所述根据所述手部位置信息确定手部目标框，包括：对比所述手部高度与所述手部宽度，将所述手部高度与所述手部宽度中的长边确定为所述手部目标框的边长，得到所述手部目标框。8.一种手势识别装置，其特征在于，包括：获取模块，用于获取原始图像，其中，所述原始图像中包含有手势；检测模块，用于对所述原始图像进行手部目标检测，得到手部关键特征数据集；训练模块，用于利用所述手部关键特征数据集作为训练数据集对预设初始手势识别模型进行训练，得到基础手势识别模型；
处理模块，用于对所述基础手势识别模型进行剪枝处理，得到标准手势识别模型；识别模块，用于获取待识别图像，并利用所述标准手识别模型识别所述待识别图像中的手势类型。9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行如权利要求1至7中任意一项所述的手势识别方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至7中任意一项所述的手势识别方法的步骤。
技术总结
本申请提出一种手势识别方法、装置、电子设备及计算机可读存储介质，所述手势识别方法包括：获取原始图像，其中，所述原始图像中包含有手势；对所述原始图像进行手部目标检测，得到手部关键特征数据集；利用所述手部关键特征数据集作为训练数据集对预设初始手势识别模型进行训练，得到基础手势识别模型；对所述基础手势识别模型进行剪枝处理，得到标准手势识别模型；获取待识别图像，并利用所述标准手识别模型识别所述待识别图像中的手势类型。本申请提供的手势识别方法中结合手势识别模型，深层挖掘各个手势类型的特征，对训练完成的手势识别模型根据任务需要进行剪枝和优化，在不额外增加计算资源的前提下，提升了模型的准确率。率。率。
技术研发人员：邓佳 谢昕虬 吉祥 黄仰光
受保护的技术使用者：抖动科技（深圳）有限公司
技术研发日：2022.04.27
技术公布日：2022/8/5