基于手势识别的自动拍摄方法、装置、用户终端及计算机存储介质与流程

本发明属于摄影技术领域，具体涉及基于手势识别的自动拍摄方法、装置、用户终端及计算机存储介质。

背景技术：

手势拍照就是用户通过摆一个手势就能实现照片的自动拍摄，而不需要用户再去手动按相机拍照按钮，真正实现自动化操作。但目前的手势拍照只要检测到预设的手势动作就执行拍摄，不管该手势动作是不是拍摄者做出的手势动作。这样导致相机拍摄很容易误拍，导致相机的存储空间严重不足，导致用户的使用体验效果不佳。

技术实现要素：

本发明的目的在于针对现有技术的不足，提供一种基于手势识别的自动拍摄方法、装置、用户终端及计算机存储介质，用于克服现有技术中的缺点。

具体的，本发明提出了以下具体的实施例：

本发明实施例提供了一种基于手势识别的自动拍摄方法，包括：

采集位于摄像单元视野范围内的图像信息；

从所述图像信息中识别出人脸框；

在所述人脸框的预设范围内提取手势特征；

判断所述手势特征是否为预设的手势动作；

当所述手势特征为预设的手势动作时，控制拍摄。

作为上述技术方案的进一步改进，所述预设的手势动作通过自主学习获取；所述学习过程包括：

采集手势样本集；

提取样本集的特征；

利用提取到的特征训练分类器。

作为上述技术方案的进一步改进，所述样本集的特征为方向梯度直方图特征。

作为上述技术方案的进一步改进，所述提取手势特征采用基于肤色检测的手势分割算法。

作为上述技术方案的进一步改进，所述基于肤色检测选用rgb色彩空间，rgb三个色彩值满足条件式1：{r>95,g>40,b>20,max{r,g,b}-min{r,g,b}>15,|r-g|>15,r>g,r>b}或条件式2：{r>220,g>210,b>170,|r-g|≤15,r>b,g>b}。

本发明实施例还提供了一种基于手势识别的自动拍摄装置，包括：

采集模块，用于采集位于摄像单元视野范围内的图像信息；

人脸识别模块，用于从所述图像信息中识别出人脸框；

手势分割模块，用于在所述人脸框的预设范围内提取手势特征；

判断模块，用于判断所述手势特征是否为预设的手势动作；

拍摄记录模块，用于当所述手势特征为预设的手势动作时，控制拍摄。

作为上述技术方案的进一步改进，所述预设的手势动作通过自主学习获取；所述学习过程包括：

采集手势样本集；

提取样本集的特征；

利用提取到的特征训练分类器。

作为上述技术方案的进一步改进，所述样本集的特征为方向梯度直方图特征。

作为上述技术方案的进一步改进，所述手势分割模块提取手势特征采用基于肤色检测的手势分割算法，所述基于肤色检测选用rgb色彩空间，rgb三个色彩值满足条件式1：{r>95,g>40,b>20,max{r,g,b}-min{r,g,b}>15,|r-g|>15,r>g,r>b}或条件式2：{r>220,g>210,b>170,|r-g|≤15,r>b,g>b}。

本发明实施例还提供了一种用户终端，所述用户终端包括存储器以及处理器，所述存储器用于存储支持处理器执行上述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

本发明实施例还提供了一种计算机存储介质，用于储存为上述装置所用的计算机软件指令。

采用本发明提供的技术方案，与已有的公知技术相比，至少具有如下有益效果：将人脸检测技术应用到手势识别中，能有效减少误检，提高正确检测率。有效地排除了在其他非手势区域检测出手势的情况，大大的提高手势检测准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例提出的一种基于手势识别的自动拍摄方法的流程示意图。

图2为本发明实施例提出的一种基于手势识别的自动拍摄装置的结构示意图。

图3为本发明实施例提出的一种用户终端的结构示意图。

主要元件符号说明：

101-采集模块；102-人脸识别模块；103-手势分割模块；104-判断模块；105-拍摄记录模块；10-存储器；11-处理器。

具体实施方式

在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开保护范围限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。

在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户设备和第二用户设备指示不同用户设备，尽管二者都是用户设备。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。

实施例1

如图1所示，本发明实施例提供了一种基于手势识别的自动拍摄方法，包括：

s101、采集位于摄像单元视野范围内的图像信息。

在本实施例中，实时采集位于摄像单元视野范围内的图像信息，采集的图像至少包含一人物图像，以便通过该人物的手势实现自动拍摄功能，不需要拍摄者通过触控屏幕或者按压实体按键来实现拍摄。

s102、从所述图像信息中识别出人脸框。

对图像进行人脸检测，如果从图像中检测到人脸，则进行下一步手势特征提取，否则继续对实时获取的图像信息进行人脸检测。

将人脸检测技术应用到手势识别中，只有先检测到用户的人脸，再识别该用户的手势动作，根据该用户的手势动作执行相关的拍摄操作。增加人脸识别能有效降低误检几率，提高正确检测率。有效地排除了在其他非手势区域检测出手势的情况，大大的提高手势检测准确率。

人脸框可以是矩形框或者椭圆形。

当检测到人脸后，将人脸区域以及周边区域进行预设比例的放大，然后在此区域内进行手势的特征提取。当图像中检测为一个人脸时，以当前人脸的边界为基准，进行放大处理，当检测到多个人脸时，以覆盖所有人物人脸的矩形或者椭圆形边框为基准进行放大处理。将人脸周围的部分图像进行放大处理，突出了手势特征信息，更加有利于手势特征信息的提取和识别。

s103、在所述人脸框的预设范围内提取手势特征。

在所述人脸框的预设范围内提取手势特征是由于用户的手势动作图像一定位于该用户的人脸图像的预设范围内，在人脸框的预设范围内分割出手势图像区域，以便能够快速提取手势特征并进行识别。

将手势特征提取的范围限定在在人脸框预设范围内，有利于提升识别速度和降低识别错误率。

提取手势特征采用基于肤色检测的手势分割算法。

为了方便手势的识别。在本实施例中，提取手势特征采用的是一种基于rgb颜色模型的肤色检测方法，该方法可以将人体肤色(包括手部)区域从背景中分离出来。在其他实施例中也可以选用其他肤色检测方法。选用基于rgb色彩空间的肤色检测方法。rgb三个色彩值需满足条件式1：{r>95,g>40,b>20,max{r,g,b}-min{r,g,b}>15,|r-g|>15,r>g,r>b}或条件式2：{r>220,g>210,b>170,|r-g|≤15,r>b,g>b}。

采用基于肤色检测的手势分割方法，使得分割后的背景更加简单，干扰信息减少。因为背景简单，所以不需要考虑各种复杂的场景，在训练分类器的时候可以极大地减少所需采集的手势图像正样本的数量。

s104、判断所述手势特征是否为预设的手势动作。

判断所述手势特征是否为预设的手势动作，当判断为预设的手势动作时执行下一步自动拍摄操作，否则返回继续执行人脸识别。

所述预设的手势动作通过自主学习获取；所述学习过程包括：

a、采集手势样本集；

采集手势样本集包含正样本及负样本。正样本为包含手势的图像，负样本为不包含手势的图像。

b、提取样本集的特征；

提取样本集的特征即能描述图像的一个向量。提取样本集的特征为hog(histogramoforientedgradien)特征，即方向梯度直方图特征。hog特征是一种在图像处理领域和计算机视觉领域中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。

c、利用提取到的特征训练分类器。

s105、当所述手势特征为预设的手势动作时，控制拍摄。

实施例2

如图2所示，本发明实施例还提供了一种基于手势识别的自动拍摄装置，包括：采集模块101、人脸识别模块102、手势分割模块103、判断模块104和拍摄记录模块105。

采集模块101，用于采集位于摄像单元视野范围内的图像信息；

人脸识别模块102，用于从所述图像信息中识别出人脸框；

手势分割模块103，用于在所述人脸框的预设范围内提取手势特征；

判断模块104，用于判断所述手势特征是否为预设的手势动作；

拍摄记录模块105，用于当所述手势特征为预设的手势动作时，控制拍摄。

采集模块101实时采集位于摄像单元视野范围内的图像信息，采集的图像至少包含一人物图像，以便通过该人物的手势实现自动拍摄功能，不需要拍摄者通过触控屏幕或者按压实体按键来实现拍摄。

人脸识别模块102对图像进行人脸检测，如果从图像中检测到人脸，则进行下一步手势特征提取，否则继续对实时获取的图像信息进行人脸检测。

将人脸检测技术应用到手势识别中，只有先检测到用户的人脸，再识别该用户的手势动作，根据该用户的手势动作执行相关的拍摄操作。增加人脸识别能有效降低误检几率，提高正确检测率。有效地排除了在其他非手势区域检测出手势的情况，大大的提高手势检测准确率。

当检测到人脸后，将人脸区域以及周边区域进行预设比例的放大，然后在此区域内进行手势的特征提取。当图像中检测为一个人脸时，以当前人脸的边界为基准，进行放大处理，当检测到多个人脸时，以覆盖所有人物人脸的矩形或者椭圆形边框为基准进行放大处理。将人脸周围的部分图像进行放大处理，突出了手势特征信息，更加有利于手势特征信息的提取和识别。

手势分割模块103在所述人脸框的预设范围内提取手势特征，因为用户的手势动作图像一定位于该用户的人脸图像的预设范围内，在人脸框的预设范围内分割出手势图像区域，以便能够快速提取手势特征并进行识别。

将手势特征提取的范围限定在在人脸框预设范围内，有利于提升识别速度和降低识别错误率。

提取手势特征采用基于肤色检测的手势分割算法。

为了方便手势的识别。在本实施例中，提取手势特征采用的是一种基于rgb颜色模型的肤色检测方法，该方法可以将人体肤色(包括手部)区域从背景中分离出来。在其他实施例中也可以选用其他肤色检测方法。选用基于rgb色彩空间的肤色检测方法。rgb三个色彩值需满足条件式1：{r>95,g>40,b>20,max{r,g,b}-min{r,g,b}>15,|r-g|>15,r>g,r>b}或条件式2：{r>220,g>210,b>170,|r-g|≤15,r>b,g>b}。

采用基于肤色检测的手势分割方法，使得分割后的背景更加简单，干扰信息减少。因为背景简单，所以不需要考虑各种复杂的场景，在训练分类器的时候可以极大地减少所需采集的手势图像正样本的数量。

判断模块104判断所述手势特征是否为预设的手势动作，当判断为预设的手势动作时执行下一步自动拍摄操作，否则返回继续执行人脸识别。

如图3所示，本发明实施例还提供了一种用户终端，所述用户终端包括存储器10以及处理器11，存储器10用于存储支持处理器11执行实施例1中方法的程序，处理器11被配置为用于执行存储器10中存储的程序。

本发明实施例还提供了一种计算机存储介质，用于储存为实施例2中的装置所用的计算机软件指令。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的设备中的模块可以按照实施场景描述进行分布于实施场景的设备中，也可以进行相应变化位于不同于本实施场景的一个或多个设备中。上述实施场景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。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。