本發(fā)明實(shí)施例涉及人機(jī)交互技術(shù)領(lǐng)域，尤其涉及一種手勢(shì)識(shí)別方法和裝置以及虛擬現(xiàn)實(shí)終端。

背景技術(shù)：

手勢(shì)識(shí)別技術(shù)是人機(jī)交互的重要技術(shù)，例如，視覺機(jī)器人利用手型識(shí)別技術(shù)采集手勢(shì)的動(dòng)作而進(jìn)行相應(yīng)的處理。

手勢(shì)識(shí)別是人機(jī)交互的重要技術(shù)，由簡(jiǎn)單粗略的到復(fù)雜精細(xì)的，大致可以分為三個(gè)等級(jí)：二維手型識(shí)別、二維手勢(shì)識(shí)別、三維手勢(shì)識(shí)別。

二維只是一個(gè)平面空間，可以用(X坐標(biāo)，Y坐標(biāo))組成的坐標(biāo)信息來表示一個(gè)物體在二維空間中的坐標(biāo)位置，就像是一幅畫出現(xiàn)在一面墻上的位置。三維則在此基礎(chǔ)上增加了“深度”(Z坐標(biāo))的信息，這是二維所不包含的。

二維手型識(shí)別，也可稱為靜態(tài)二維手勢(shì)識(shí)別，識(shí)別的是手勢(shì)中最簡(jiǎn)單的一類。這種技術(shù)在獲取二維信息輸入之后，可以識(shí)別幾個(gè)靜態(tài)的手勢(shì)，比如握拳或者五指張開。例如，用戶可以用幾個(gè)手型來控制播放器，例如，用戶將手掌舉起來放到攝像頭前，視頻就開始播放了；再把手掌放到攝像頭前，視頻又暫停了。

二維手勢(shì)識(shí)別，比起二維手型識(shí)別來說稍難一些，但仍然基本不含深度信息，停留在二維的層面上。這種技術(shù)不僅可以識(shí)別手型，還可以識(shí)別一些簡(jiǎn)單的二維手勢(shì)動(dòng)作，比如對(duì)著攝像頭揮揮手。二維手勢(shì)識(shí)別擁有了動(dòng)態(tài)的特征，可以追蹤手勢(shì)的運(yùn)動(dòng)，進(jìn)而識(shí)別將手勢(shì)和手部運(yùn)動(dòng)結(jié)合在一起的復(fù)雜動(dòng)作。這樣一來，就把手勢(shì)識(shí)別的范圍真正拓展到二維平面了，例如，不僅可以通過手勢(shì)來控制計(jì)算機(jī)播放/暫停，還可以實(shí)現(xiàn)前進(jìn)/后退/向上翻頁/向下滾動(dòng)這些需求二維坐標(biāo)變更信息的復(fù)雜操作。

三維手勢(shì)識(shí)別技術(shù)，是基于三維層面的，三維手勢(shì)識(shí)別與二維手勢(shì)識(shí)別的最根本區(qū)別就在于，三維手勢(shì)識(shí)別需要的輸入是包含有深度的信息，這就使得三維手勢(shì)識(shí)別在硬件和軟件兩方面都比二維手勢(shì)識(shí)別要復(fù)雜得多。對(duì)于一般的簡(jiǎn)單操作，比如只是想在播放視頻的時(shí)候暫停或者繼續(xù)放映，二維手勢(shì)也就足夠了。但是對(duì)于一些復(fù)雜的人機(jī)交互，比如玩游戲或者應(yīng)用在VR(虛擬現(xiàn)實(shí))上，三維手勢(shì)是必須的。

自然的手勢(shì)跟蹤是真正的增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)(AR/VR)所必須的，需要能準(zhǔn)確快速的識(shí)別復(fù)雜動(dòng)作，并且作為軟件開發(fā)工具包(SDK，Software Development Kit)提供給開發(fā)者只需要占用很少的資源。

手勢(shì)識(shí)別，簡(jiǎn)單地說，這項(xiàng)技術(shù)是利用各類傳感器對(duì)手部/手持工具的形態(tài)、位移等進(jìn)行持續(xù)采集，每隔一段時(shí)間完成一次建模，形成一個(gè)模型信息的序列幀，再將這些信息序列轉(zhuǎn)換為對(duì)應(yīng)的指令，用來控制實(shí)現(xiàn)某些操作。

手勢(shì)識(shí)別中，手的運(yùn)動(dòng)能有效表達(dá)人的意愿。但是人手在表達(dá)向上揮動(dòng)時(shí)，并不是豎直向上的，而是向右傾斜(以右手為例)，而人用右手表達(dá)向右的動(dòng)作時(shí)，會(huì)有向上的傾斜，類似的情況也出現(xiàn)在用向左和向上的表達(dá)方式中，因此如何提高這種相鄰兩種動(dòng)作的識(shí)別度成為有必要解決的問題。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)采用點(diǎn)和軌跡，使用圖像序列解決誤差性，但是依然不能降低對(duì)相鄰兩種動(dòng)作的識(shí)別的誤差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例的目的在于提供一種手勢(shì)識(shí)別方法和裝置以及虛擬現(xiàn)實(shí)終端，用以解決現(xiàn)有技術(shù)中手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢和不夠準(zhǔn)確的問題。

本發(fā)明實(shí)施例采用的技術(shù)方案如下：

本發(fā)明的一實(shí)施例提供一種手勢(shì)識(shí)別方法，包括：

獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像；

根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

可選地，在所述獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像之前，所述方法還包括：

建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

所述將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義具體包括：

將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；

根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

可選地，所述根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器具體包括：

對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

可選地，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

可選地，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本發(fā)明的另一實(shí)施例提供一種手勢(shì)識(shí)別裝置，包括：

獲取單元，用于獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像；

確定單元，根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

可選地，所述手勢(shì)識(shí)別裝置還包括：

隨機(jī)森林建立單元，用于建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

存儲(chǔ)單元，用于存儲(chǔ)所述建立的隨機(jī)森林；

所述確定單元還包括：比較子單元，用于將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

可選地，所述確定單元還包括：

訓(xùn)練子單元，用于對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

可選地，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

可選地，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本發(fā)明的另一實(shí)施例提供一種虛擬現(xiàn)實(shí)終端，包括：

硬件處理器，用于獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像；根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

可選地，所述硬件處理器還用于建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

所述虛擬現(xiàn)實(shí)終端還包括：

存儲(chǔ)器，用于存儲(chǔ)所述建立的隨機(jī)森林；

所述硬件處理器還用于將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

可選地，所述硬件處理器還用于對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

可選地，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

可選地，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本發(fā)明實(shí)施例的技術(shù)方案具有以下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例的手勢(shì)識(shí)別方法和裝置以及虛擬現(xiàn)實(shí)終端，采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心(一個(gè)目標(biāo)點(diǎn))的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明另一實(shí)施例的一種手勢(shì)識(shí)別方法的流程示意圖；

圖2為本發(fā)明一實(shí)施例的一種手勢(shì)識(shí)別裝置的結(jié)構(gòu)示意圖；

圖3為本發(fā)明一實(shí)施例的一種虛擬現(xiàn)實(shí)終端的結(jié)構(gòu)示意圖；

圖4為本發(fā)明另一實(shí)施例的一種手勢(shì)識(shí)別裝置的結(jié)構(gòu)示意圖；

圖5為本發(fā)明實(shí)施例的一種完全二叉樹的結(jié)構(gòu)示意圖；

圖6為本發(fā)明實(shí)施例的一種偏二叉樹的結(jié)構(gòu)示意圖；

圖7為本發(fā)明另一實(shí)施例的一種手勢(shì)識(shí)別方法的流程示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，為本發(fā)明一實(shí)施例的一種手勢(shì)識(shí)別方法的流程示意圖，所述手勢(shì)識(shí)別方法可以應(yīng)用于機(jī)器人、計(jì)算機(jī)和電視等等各種視覺機(jī)器，所述手勢(shì)識(shí)別方法可以如下所述。

步驟11，獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像。

步驟12，根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

在本發(fā)明的另一實(shí)施例中，在所述獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像之前，所述手勢(shì)識(shí)別方法還包括：

建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

所述將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義具體包括：

將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；

根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

在本發(fā)明的另一實(shí)施例中，所述根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器具體包括：

對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

在本發(fā)明的另一實(shí)施例中，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

在本發(fā)明的另一實(shí)施例中，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本實(shí)施例提供的手勢(shì)識(shí)別方法，采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)的行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

如圖2所示，為本發(fā)明一實(shí)施例的一種手勢(shì)識(shí)別裝置的結(jié)構(gòu)示意圖，所述手勢(shì)識(shí)別裝置可以設(shè)置于機(jī)器人、計(jì)算機(jī)和電視等等各種視覺機(jī)器中，所述手勢(shì)識(shí)別裝置包括：獲取單元21和確定單元22。

所述獲取單元21，用于獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像。

所述確定單元22，根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

在本發(fā)明的另一實(shí)施例中，所述手勢(shì)識(shí)別裝置還包括：

隨機(jī)森林建立單元，用于建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

存儲(chǔ)單元，用于存儲(chǔ)所述建立的隨機(jī)森林；

所述確定單元還包括：比較子單元，用于將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

在本發(fā)明的另一實(shí)施例中，所述確定單元還包括：

訓(xùn)練子單元，用于對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

在本發(fā)明的另一實(shí)施例中，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

在本發(fā)明的另一實(shí)施例中，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本實(shí)施例提供的手勢(shì)識(shí)別裝置，采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)的行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

如圖3所示，為本發(fā)明一實(shí)施例的一種虛擬現(xiàn)實(shí)終端的結(jié)構(gòu)示意圖，所述虛擬現(xiàn)實(shí)終端可以設(shè)置于機(jī)器人、計(jì)算機(jī)和電視等等各種視覺機(jī)器中，所述虛擬現(xiàn)實(shí)終端包括：硬件處理器31。

所述硬件處理器31，用于獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像；根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

在本發(fā)明的另一實(shí)施例中，所述硬件處理器31還用于建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義；

所述虛擬現(xiàn)實(shí)終端還包括存儲(chǔ)器32，用于儲(chǔ)存所述建立的隨機(jī)森林；

所述硬件處理器31還用于將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

在本發(fā)明的另一實(shí)施例中，所述硬件處理器31還用于對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

在本發(fā)明的另一實(shí)施例中，所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈。

在本發(fā)明的另一實(shí)施例中，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

本實(shí)施例提供的虛擬現(xiàn)實(shí)終端，采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)的行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

如圖4所示，為本發(fā)明一實(shí)施例的一種手勢(shì)識(shí)別裝置的結(jié)構(gòu)示意圖，所述手勢(shì)識(shí)別裝置可以設(shè)置于機(jī)器人、計(jì)算機(jī)和電視等等各種視覺機(jī)器中，所述手勢(shì)識(shí)別裝置包括：獲取單元41、確定單元42、隨機(jī)森林建立單元43和存儲(chǔ)單元44。

所述獲取單元41，用于獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像并發(fā)送給所述確定單元42。

例如，所述獲取單元41用于獲取手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈的手勢(shì)的行為動(dòng)作中的任一種或多種的組合對(duì)應(yīng)的多個(gè)手型圖像。

所述獲取單元41可以為攝像頭，例如，可以為視覺傳感器，有線攝像頭和無線攝像頭，例如，USB攝像頭，wifi攝像頭，ARM接攝像頭和cmos攝像頭。

所述確定單元42，用于根據(jù)多類分類對(duì)所述多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與所述多個(gè)手型圖像相對(duì)應(yīng)的分類器，將所述相應(yīng)的分類器與隨機(jī)森林進(jìn)行匹配以確定出手勢(shì)行為動(dòng)作的含義。

在本發(fā)明的另一實(shí)施例中，所述確定單元42還包括：訓(xùn)練子單元421和比較子單元422。

例如，所述隨機(jī)森林建立單元43用于建立所述隨機(jī)森林，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義。

所述存儲(chǔ)單元44，用于存儲(chǔ)所述建立的隨機(jī)森林。在本發(fā)明的另一實(shí)施例中，所述存儲(chǔ)單元44還用于存儲(chǔ)所述多類分類。

在本發(fā)明的另一實(shí)施例中，所述存儲(chǔ)單元44還用于存儲(chǔ)所述分類器和決策樹的對(duì)應(yīng)關(guān)系，以及所述決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系。

所述訓(xùn)練子單元421，用于對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

所述比較子單元422，用于將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹；根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈的行為動(dòng)作圖像。

本發(fā)明的另一實(shí)施例中，分類(Categorization or Classification)，是指按照某種標(biāo)準(zhǔn)給對(duì)象貼標(biāo)簽(label)，再根據(jù)標(biāo)簽來區(qū)分歸類。例如，對(duì)獲取的手勢(shì)的行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像進(jìn)行標(biāo)簽。

分類是數(shù)據(jù)挖掘的一種非常重要的方法，分類的概念是在已有數(shù)據(jù)的基礎(chǔ)上學(xué)會(huì)一個(gè)分類函數(shù)或構(gòu)造出一個(gè)分類模型(即通常所說的分類器(Classifier))。該函數(shù)或模型能夠把數(shù)據(jù)庫中的數(shù)據(jù)紀(jì)錄映射到給定類別中的某一個(gè)，從而可以應(yīng)用于數(shù)據(jù)預(yù)測(cè)?？傊?，分類器是數(shù)據(jù)挖掘中對(duì)樣本進(jìn)行分類的方法的統(tǒng)稱，包含決策樹(Decision Tree，DT)、邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等算法。

分類器的構(gòu)造和實(shí)施大體會(huì)經(jīng)過以下幾個(gè)步驟：

步驟1，選定樣本(包含正樣本和負(fù)樣本)，將所有樣本分成訓(xùn)練樣本和測(cè)試樣本兩部分。

步驟2，在訓(xùn)練樣本上執(zhí)行分類器算法，生成分類模型。

步驟3，在測(cè)試樣本上執(zhí)行分類模型，生成預(yù)測(cè)結(jié)果。

步驟4，根據(jù)預(yù)測(cè)結(jié)果，計(jì)算必要的評(píng)估指標(biāo)，評(píng)估分類模型的性能。

決策樹分類器，提供一個(gè)屬性集合，決策樹通過在屬性集的基礎(chǔ)上作出多個(gè)的決策，將數(shù)據(jù)分類。這個(gè)過程類似于通過一個(gè)植物的特征來辨認(rèn)植物。可以應(yīng)用這樣的分類器來判定某人的信用程度，比如，一個(gè)決策樹可能會(huì)斷定“一個(gè)有家、擁有一輛價(jià)值在1.5萬到2.3萬美元之間的轎車、有兩個(gè)孩子的人”擁有良好的信用。決策樹生成器從一個(gè)“訓(xùn)練集”中生成決策樹。例如一種可視化工具使用樹圖來顯示決策樹分類器的結(jié)構(gòu)，在圖中，每一個(gè)決策用樹的一個(gè)節(jié)點(diǎn)來表示。圖形化的表示方法可以幫助用戶理解分類算法，提供對(duì)數(shù)據(jù)的有價(jià)值的觀察視角。生成的分類器可用于對(duì)數(shù)據(jù)的分類。

例如，給定一組訓(xùn)練實(shí)例(X1，Y1)，(X2，Y2)，......(Xn，Yn)，典型地，每個(gè)實(shí)例Xi，i＝1,2,...,n是一個(gè)m維向量，Yi是一個(gè)有l(wèi)(l>＝1)個(gè)類別的向量，分類的任務(wù)是從訓(xùn)練實(shí)例中學(xué)習(xí)一個(gè)模型f:X->Y，從而對(duì)新的實(shí)例給出一個(gè)值得信賴的類別預(yù)測(cè)。

多類分類(multiclass classification)的分類器旨在對(duì)一個(gè)新的實(shí)例指定唯一的分類類別，常用的策略有兩類：基于后驗(yàn)概率或距離一次給出所有類別的度量，選擇度量值最大的類別作為預(yù)測(cè)類別；將多類分類分解為許多二元分類問題，然后組合所有二元分類的結(jié)果。

隨機(jī)森林(Random Forest，RF)，是用隨機(jī)的方式建立一個(gè)森林，其中，所述隨機(jī)森林由多個(gè)決策樹組成，隨機(jī)森林的每一棵決策樹之間是沒有關(guān)聯(lián)的。在得到森林之后，當(dāng)有一個(gè)新的輸入樣本進(jìn)入的時(shí)候，就讓森林中的每一棵決策樹分別進(jìn)行一下判斷，看看這個(gè)輸入樣本應(yīng)該屬于那一類(對(duì)于分類算法)，然后看看那一類被選擇最多，就預(yù)測(cè)這個(gè)輸入樣本為那一類。

對(duì)于決策樹，根據(jù)下列算法而建造每棵樹：

1.用N來表示訓(xùn)練例子的個(gè)數(shù)，M表示變量的數(shù)目。

2.被告知一個(gè)數(shù)m，被用來決定當(dāng)在一個(gè)節(jié)點(diǎn)上做決定時(shí)，會(huì)使用到多少個(gè)變量。m應(yīng)小于M

3.從N個(gè)訓(xùn)練案例中以可重復(fù)取樣的方式，取樣N次，形成一組訓(xùn)練集(即bootstrap取樣)。并使用這棵樹來對(duì)剩余預(yù)測(cè)其類別，并評(píng)估其誤差。

4.對(duì)于每一個(gè)節(jié)點(diǎn)，隨機(jī)選擇m個(gè)基于此點(diǎn)上的變量。根據(jù)這m個(gè)變量，計(jì)算其最佳的分割方式。

5.每棵樹都會(huì)完整成長(zhǎng)而不會(huì)剪枝(Pruning)(這有可能在建完一棵正常樹狀分類器后會(huì)被采用)。

在建立每一棵決策樹的過程中，有兩點(diǎn)需要注意-采樣與完全分裂。首先是兩個(gè)隨機(jī)采樣的過程，random forest對(duì)輸入的數(shù)據(jù)要進(jìn)行行、列的采樣。對(duì)于行采樣，采用有放回的方式，也就是在采樣得到的樣本集合中，可能有重復(fù)的樣本。假設(shè)輸入樣本為N個(gè)，那么采樣的樣本也為N個(gè)。這樣使得在訓(xùn)練的時(shí)候，每一棵樹的輸入樣本都不是全部的樣本，使得相對(duì)不容易出現(xiàn)over-fitting。然后進(jìn)行列采樣，從M個(gè)特征feature中，選擇m個(gè)(m<<M)。之后就是對(duì)采樣之后的數(shù)據(jù)使用完全分裂的方式建立出決策樹，這樣決策樹的某一個(gè)葉子節(jié)點(diǎn)要么是無法繼續(xù)分裂的，要么里面的所有樣本的都是指向的同一個(gè)分類。一般很多的決策樹算法都一個(gè)重要的步驟-剪枝，但是由于之前的兩個(gè)隨機(jī)采樣的過程保證了隨機(jī)性，所以就算不剪枝，也不會(huì)出現(xiàn)over-fitting。

本實(shí)施例中，所述的訓(xùn)練例子或樣本是所述獲取的手勢(shì)的行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像序列。

在本發(fā)明的另一實(shí)施例中，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

所述基于二叉樹的多類分類，是指節(jié)點(diǎn)所包含的類別劃分為兩個(gè)子類，然后再對(duì)兩個(gè)子類進(jìn)一步劃分，如此循環(huán)，直到子類中只包含一個(gè)類別為止，這樣，就得到了一個(gè)倒立的二叉樹。最后，在二叉樹各決策節(jié)點(diǎn)訓(xùn)練支持向量機(jī)分類器，實(shí)現(xiàn)對(duì)識(shí)別樣本的分類。決策樹支持向量機(jī)多分類方法有很多種，不同方法的主要區(qū)別在于設(shè)計(jì)樹結(jié)構(gòu)的方法不同，例如完全二叉樹結(jié)構(gòu)和偏二叉樹結(jié)構(gòu)。決策樹支持向量機(jī)多分類方法主要有5種：一類對(duì)余類法(OVR)，一對(duì)一法(OVO)，二叉樹法(BT)，糾錯(cuò)輸出編碼法和有向非循環(huán)圖法。

如圖5所示，為本發(fā)明實(shí)施例的一種完全二叉樹的結(jié)構(gòu)示意圖，所述完全二叉樹結(jié)構(gòu)分類時(shí)使用的平均分類器數(shù)目為log2k，如圖6所示，為本發(fā)明實(shí)施例的一種偏二叉樹的結(jié)構(gòu)示意圖，偏二叉樹使用的平均分類器數(shù)為(k+1)/2-1/k，具有其他層次結(jié)構(gòu)的二叉樹使用的分類器平均值介于二者之間。完全二叉樹分類時(shí)所需要的分類器數(shù)目最少，因此具有較少支持向量的完全二叉樹的分類器速度也是較快的。

一類對(duì)余類法(Oneversusrest，OVR)，其步驟是構(gòu)造k個(gè)兩類分類機(jī)(設(shè)共有k個(gè)類別)，其中第i個(gè)分類機(jī)把第i類同余下的各類劃分開，訓(xùn)練時(shí)第i個(gè)分類機(jī)取訓(xùn)練集中第i類為正類，其余類別點(diǎn)為負(fù)類進(jìn)行訓(xùn)練。判別時(shí)，輸入信號(hào)分別經(jīng)過k個(gè)分類機(jī)共得到k個(gè)輸出值fi(x)＝sgn(gi(x))，若只有一個(gè)+1出現(xiàn)，則其對(duì)應(yīng)類別為輸入信號(hào)類別；若輸出不只一個(gè)+1(不只一類聲稱它屬于自己)，或者沒有一個(gè)輸出為+1(即沒有一個(gè)類聲稱它屬于自己)，則比較g(x)輸出值，最大者對(duì)應(yīng)類別為輸入的類別。

一對(duì)一分類法(Oneversusone，OVO)也稱為成對(duì)分類法，在訓(xùn)練集T(共有k個(gè)不同類別)中找出所有不同類別的兩兩組合，共有P＝k(k-1)/2個(gè),分別用這兩個(gè)類別樣本點(diǎn)組成兩類問題訓(xùn)練集T(i,j)，然后用求解兩類問題的SVM分別求得P個(gè)判別函數(shù)f(i,j)(x)＝sgn(gi,j(x))。判別時(shí)將輸入信號(hào)X分別送到P個(gè)判別函數(shù)f(i,j)(x),若f(i,j)(x)＝+1，判X為i類，i類獲得一票，否則判為j類，j類獲得一票。分別統(tǒng)計(jì)k個(gè)類別在P個(gè)判別函數(shù)結(jié)果中的得票數(shù)，得票數(shù)最多的類別就是最終判定類別。

二叉樹法(Binarytree，BT)先將所有類別劃分為兩個(gè)子類，每個(gè)子類又劃分為兩個(gè)子子類，以此類推，直到劃分出最終類別，每次劃分后兩類分類問題的規(guī)模逐級(jí)下降。例如，設(shè)8類多類問題{1,2,3,4,5,6,7,8}。每個(gè)中間節(jié)點(diǎn)或者根節(jié)點(diǎn)代表一個(gè)二類分類機(jī)，8個(gè)終端節(jié)點(diǎn)(樹葉)代表8個(gè)最終類別。首先將8類問題{1,2,3,4,5,6,7,8}劃分為{1,3,5,7}，{2,4,6,8}兩個(gè)子集，然后對(duì)兩個(gè)子集進(jìn)行逐級(jí)劃分，直到得到最終類別。

糾錯(cuò)輸出編碼法(Errorcorrectingoutputcode，ECOC)對(duì)k個(gè)類別的分類問題，可以建立M個(gè)不同的分類方法，如把奇數(shù)類看作正類，偶數(shù)類看作負(fù)類；把1、2類看作正類，剩下的k-2類看作負(fù)類等，這樣就得到了多個(gè)(M個(gè))兩類問題，對(duì)每個(gè)兩類問題建立一個(gè)決策函數(shù)，共有M個(gè)決策函數(shù)，每個(gè)決策函數(shù)的輸出為+1或-1。若這些決策函數(shù)完全正確，k類中的每一個(gè)點(diǎn)輸入M個(gè)決策函數(shù)后都對(duì)應(yīng)一個(gè)長(zhǎng)度為M的每個(gè)元素為+1或-1的數(shù)列。將這些數(shù)列按造類別順序逐行排列起來，即可得到一個(gè)k行M列的矩陣A。相當(dāng)于對(duì)每一類別進(jìn)行長(zhǎng)度為M的二進(jìn)制編碼，矩陣A的第i行對(duì)應(yīng)第i類的編碼，可以采用具有糾錯(cuò)能力的編碼方式實(shí)現(xiàn)。

有效的ECOC法應(yīng)滿足兩個(gè)條件：(1)編碼矩陣A的行之間不相關(guān)；(2)編碼矩陣A的列之間不相關(guān)且不互補(bǔ)。對(duì)于k類分類問題，編碼長(zhǎng)度M一般?。簂og2k<M≤2k-1-1。

判別時(shí)，將X依次輸入M個(gè)決策函數(shù)，得到一個(gè)元素為+1或-1的長(zhǎng)度為M的數(shù)列，然后把該數(shù)列與矩陣A比較。若決策函數(shù)準(zhǔn)確，兩類問題的選擇合理，矩陣A中應(yīng)有且僅有一行與該數(shù)列相同，這一行對(duì)應(yīng)的類別即為所求類別。若矩陣A中沒有一行與該數(shù)列相等，找出最接近的一行(如通過計(jì)算漢明距離)，該行對(duì)應(yīng)的類別即為所求類別。

有向非循環(huán)圖法，對(duì)k個(gè)類別的多類問題，構(gòu)造k(k-1)/2個(gè)OVO兩類分類器，由于引入了圖論中有向無環(huán)圖(Directedacidicgraph，DAG)的思想,故被稱為DAGSVM方法。每個(gè)節(jié)點(diǎn)代表一個(gè)OVO兩類分類器，分布于k-1層結(jié)構(gòu)中，其中頂層只有一個(gè)節(jié)點(diǎn)，稱為根結(jié)點(diǎn)，底層(第k層)的k個(gè)點(diǎn)分別代表k個(gè)最終類別。第i層含有i個(gè)節(jié)點(diǎn)，第i層的第j個(gè)節(jié)點(diǎn)指向第i+1層的第j和第j+1個(gè)節(jié)點(diǎn)。區(qū)分第i類和第j類的子分類器對(duì)應(yīng)節(jié)點(diǎn)位于拓?fù)鋱D中第L-j+i層。分類時(shí)，將待判別點(diǎn)輸入根結(jié)點(diǎn)，每次判別時(shí)排除掉最不可能的一個(gè)類別，經(jīng)過k-1次判別后剩下的最后一個(gè)即為最終類別。

綜上所述，本實(shí)施例的手勢(shì)識(shí)別裝置采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)的行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心(一個(gè)目標(biāo)點(diǎn))的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

如圖7所示，為本發(fā)明一實(shí)施例的一種手勢(shì)識(shí)別方法的流程示意圖，所述手勢(shì)識(shí)別方法可以用于機(jī)器人、計(jì)算機(jī)和電視等等各種視覺機(jī)器，所述手勢(shì)識(shí)別方法主要如下所述。

步驟71，獲取手勢(shì)行為動(dòng)作對(duì)應(yīng)的多個(gè)手型圖像。

例如，利用獲取單元獲取手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈的手勢(shì)的行為動(dòng)作中的任一種或多種的組合對(duì)應(yīng)的多個(gè)手型圖像。

所述獲取單元可以為攝像頭，例如，可以為視覺傳感器，有線攝像頭和無線攝像頭，例如，USB攝像頭，wifi攝像頭，ARM接攝像頭和cmos攝像頭。

步驟72，對(duì)所述多個(gè)手型圖像序列進(jìn)行多類分類，每次分類結(jié)果得到一個(gè)分類器。

例如，所述多類分類的類別包括如下兩個(gè)或多個(gè)：圖像的灰度、圖像的顏色、圖像的紋理和圖像的形狀。

步驟73，將所述得到的分類器與所述隨機(jī)森林中的每一棵決策樹分別進(jìn)行比較，根據(jù)分類器和決策樹的對(duì)應(yīng)關(guān)系確定與所述分類器對(duì)應(yīng)的決策樹。

步驟74，根據(jù)決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系確定與所述確定的決策樹對(duì)應(yīng)的手勢(shì)行為動(dòng)作含義。

例如，建立隨機(jī)森林，其中，所述隨機(jī)森林由多個(gè)決策樹組成，所述隨機(jī)森林的每一棵決策樹對(duì)應(yīng)一個(gè)手勢(shì)行為動(dòng)作含義。

利用存儲(chǔ)器存儲(chǔ)所述建立的隨機(jī)森林。在本發(fā)明的另一實(shí)施例中，所述存儲(chǔ)器還存儲(chǔ)所述多類分類。

在本發(fā)明的另一實(shí)施例中，所述存儲(chǔ)器還存儲(chǔ)所述分類器和決策樹的對(duì)應(yīng)關(guān)系，以及所述決策樹與手勢(shì)行為動(dòng)作含義的對(duì)應(yīng)關(guān)系。

所述手勢(shì)行為動(dòng)作的含義包括如下任一種或多種的組合：手向上、手向下、手向左、手向右、手向前、手向后、手左右搖擺、手上下?lián)u擺和手畫圓圈的行為動(dòng)作圖像。

在本發(fā)明的另一實(shí)施例中，所述多類分類包括一類對(duì)余類法、一對(duì)一分類法、二叉樹法、糾錯(cuò)輸出編碼法和有向非循環(huán)圖法的任意一個(gè)。

關(guān)于多類分類和隨機(jī)森林具體內(nèi)容，可以如上述圖4描述一種手勢(shì)識(shí)別裝置實(shí)施例的具體內(nèi)容，在此不再贅述。

綜上所述，本實(shí)施例的手勢(shì)識(shí)別方法采用多類分類和隨機(jī)森林，對(duì)獲取的手勢(shì)的行為動(dòng)作的多個(gè)手型圖像序列進(jìn)行訓(xùn)練，得到與每個(gè)手型圖像相對(duì)應(yīng)的分類器，可以避免現(xiàn)有技術(shù)中單依賴手指尖或者手掌心(一個(gè)目標(biāo)點(diǎn))的運(yùn)動(dòng)進(jìn)行分析時(shí)的誤判性，降低手勢(shì)行為中相鄰兩種動(dòng)作的識(shí)別的誤檢，以及提高準(zhǔn)確度。

以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動(dòng)的情況下，即可以理解并實(shí)施。

通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。

最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。