本發(fā)明涉及觸控設(shè)備檢測技術(shù)領(lǐng)域，特別涉及一種基于多偵測面的控制方法和裝置。

背景技術(shù)：

目前，現(xiàn)有大屏顯示技術(shù)中可將多塊屏幕進行拼接，達到一塊多塊屏幕共同顯示多個主機內(nèi)容或者各個屏幕顯示不同主機內(nèi)容的目的。但在這種大屏顯示的基礎(chǔ)上還未實現(xiàn)更加自如地讓大屏前面的人與計算機更靈活的交互的效果。

技術(shù)實現(xiàn)要素：

鑒于此，有必要針對傳統(tǒng)技術(shù)存在的問題，提供了一種基于多偵測面的控制方法和裝置，能夠通過在這種大屏顯示的基礎(chǔ)上放置攝像頭采集圖像，再通過所采集圖像對人體手勢進行識別，從而更自如地讓大屏前面的人與計算機更靈活且具有控制的準確性與易用性。

為達到發(fā)明目的，提供一種基于多偵測面的控制方法，所述方法包括：對所述多偵測面前的人體手勢進行跟蹤與識別；通過識別后的所述人體手勢執(zhí)行相對應(yīng)的控制所述多偵測面的操作。

在其中一個實施例中，所述對所述多偵測面的人體手勢進行跟蹤與識別包括：獲取通過取像裝置采集圖像中的每一幀圖像，以及所述多偵測面沒有使用者的狀態(tài)下的背景圖像；通過圖像檢測分割到所述多偵測面使用者的右手手勢。

在其中一個實施例中，所述對所述多偵測面前的人體手勢進行跟蹤與識別還包括：將跟蹤獲取的所述多偵測面前的所述人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的所述人體手勢的動作特征進行匹配；若匹配度大于預(yù)設(shè)閾值，則完成所述多偵測面前的所述人體手勢的識別操作。

在其中一個實施例中，所述將跟蹤獲取的所述多偵測面前的所述人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的所述人體手勢的動作特征進行匹配包括：將圖像中實時檢測到的多人的右手手勢的圖像分割出來后進行特征提取，并與所述目標手勢的所述特征庫中的多個所述目標手勢的特征進行匹配。

在其中一個實施例中，預(yù)先設(shè)置的所述目標手勢的所述特征庫包括：通過神經(jīng)網(wǎng)絡(luò)訓練并提取到多種所述人體手勢的動作特征，并根據(jù)多種所述人體手勢的所述動作特征生成所述目標手勢的所述特征庫。

基于同一發(fā)明構(gòu)思的一種基于多偵測面的控制裝置，所述裝置包括：跟蹤與識別模塊，用于對所述多偵測面前的人體手勢進行跟蹤與識別；控制模塊，用于通過識別后的所述人體手勢執(zhí)行相對應(yīng)的控制所述多偵測面的操作。

在其中一個實施例中，所述跟蹤與識別模塊包括：獲取模塊，用于獲取通過取像裝置采集圖像中的每一幀圖像，以及所述多偵測面沒有使用者的狀態(tài)下的背景圖像；分割模塊，用于通過圖像檢測分割到所述多偵測面使用者的右手手勢。

在其中一個實施例中，所述跟蹤與識別模塊還包括：匹配模塊，用于將跟蹤獲取的所述多偵測面前的所述人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的所述人體手勢的動作特征進行匹配；識別模塊，用于若匹配度大于預(yù)設(shè)閾值，則完成所述多偵測面前的所述人體手勢的識別操作。

在其中一個實施例中，所述匹配模塊，還用于將圖像中實時檢測到的多人的右手手勢的圖像分割出來后進行特征提取，并與所述目標手勢的所述特征庫中的多個所述目標手勢的特征進行匹配。

在其中一個實施例中，所述匹配模塊包括：特征庫生成模塊，用于通過神經(jīng)網(wǎng)絡(luò)訓練并提取到多種所述人體手勢的動作特征，并根據(jù)多種所述人體手勢的所述動作特征生成所述目標手勢的所述特征庫。

本發(fā)明提供的一種基于多偵測面的控制方法和裝置。對多偵測面前的人體手勢進行跟蹤與識別；通過識別后的人體手勢執(zhí)行相對應(yīng)的控制多偵測面的操作。該方法解決了傳統(tǒng)技術(shù)中多人與單人對單個或者多個計算機內(nèi)容的操作的問題，具有人機交互具有更好的靈活性與易用性。

附圖說明

圖1為本發(fā)明一個實施例中的一種基于多偵測面的控制方法的步驟流程圖；以及

圖2為本發(fā)明一個實施例中的一種基于多偵測面的控制裝置的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例對本發(fā)明基于多偵測面的控制方法和裝置進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，為一個實施例中的一種基于多偵測面的控制方法的步驟流程圖。具體包括以下步驟：

步驟102，對多偵測面前的人體手勢進行跟蹤與識別。

本實施例中，對多偵測面的人體手勢進行跟蹤與識別包括：獲取通過取像裝置采集圖像中的每一幀圖像，以及多偵測面沒有使用者的狀態(tài)下的背景圖像；通過圖像檢測分割到多偵測面使用者的右手手勢。

進一步地，對多偵測面前的人體手勢進行跟蹤與識別還包括：將跟蹤獲取的多偵測面前的人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的人體手勢的動作特征進行匹配；若匹配度大于預(yù)設(shè)閾值，則完成多偵測面前的人體手勢的識別操作。

其中，將跟蹤獲取的多偵測面前的人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的人體手勢的動作特征進行匹配包括：將圖像中實時檢測到的多人的右手手勢的圖像分割出來后進行特征提取，并與目標手勢的特征庫中的多個目標手勢的特征進行匹配。

需要說明的是，預(yù)先設(shè)置的目標手勢的特征庫包括：通過神經(jīng)網(wǎng)絡(luò)訓練并提取到多種人體手勢的動作特征，并根據(jù)多種人體手勢的動作特征生成目標手勢的特征庫。

步驟104，通過識別后的人體手勢執(zhí)行相對應(yīng)的控制多偵測面的操作。

本發(fā)明提供的一種基于多偵測面的控制方法。對多偵測面前的人體手勢進行跟蹤與識別；通過識別后的人體手勢執(zhí)行相對應(yīng)的控制多偵測面的操作。該方法解決了傳統(tǒng)技術(shù)中多人與單人對單個或者多個計算機內(nèi)容的操作的問題，具有人機交互具有更好的靈活性與易用性。

基于同一發(fā)明構(gòu)思，還提供了一種基于多偵測面的控制裝置。由于此裝置解決問題的原理與前述一種基于多偵測面的控制方法相似，因此，該裝置的實施可以按照前述方法的具體步驟實現(xiàn)，重復(fù)之處不再贅述。

如圖2所示，為一個實施例中的一種基于多偵測面的控制裝置的結(jié)構(gòu)示意圖。該基于多偵測面的控制裝置10包括：跟蹤與識別模塊200和控制模塊400。

其中，跟蹤與識別模塊200用于對多偵測面前的人體手勢進行跟蹤與識別；控制模塊400用于通過識別后的人體手勢執(zhí)行相對應(yīng)的控制多偵測面的操作。

本實施例中，跟蹤與識別模塊200包括：獲取模塊210(圖中未示出)用于獲取通過取像裝置采集圖像中的每一幀圖像，以及多偵測面沒有使用者的狀態(tài)下的背景圖像；分割模塊220(圖中未示出)用于通過圖像檢測分割到多偵測面使用者的右手手勢；跟蹤與識別模塊200還包括：匹配模塊230(圖中未示出)用于將跟蹤獲取的多偵測面前的人體手勢與預(yù)先設(shè)置的目標手勢的特征庫中的人體手勢的動作特征進行匹配；識別模塊240(圖中未示出)用于若匹配度大于預(yù)設(shè)閾值，則完成多偵測面前的人體手勢的識別操作。

進一步地，匹配模塊230(圖中未示出)還用于將圖像中實時檢測到的多人的右手手勢的圖像分割出來后進行特征提取，并與目標手勢的特征庫中的多個目標手勢的特征進行匹配。

更進一步地，匹配模塊230(圖中未示出)包括：特征庫生成模塊231(圖中未示出)用于通過神經(jīng)網(wǎng)絡(luò)訓練并提取到多種人體手勢的動作特征，并根據(jù)多種人體手勢的動作特征生成目標手勢的特征庫。

本發(fā)明提供的一種基于多偵測面的控制裝置。通過跟蹤與識別模塊200對多偵測面前的人體手勢進行跟蹤與識別；再通過控制模塊400通過識別后的人體手勢執(zhí)行相對應(yīng)的控制多偵測面的操作。該裝置解決了傳統(tǒng)技術(shù)中多人與單人對單個或者多個計算機內(nèi)容的操作的問題，具有人機交互具有更好的靈活性與易用性。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準。