本發明涉(she)及(ji)圖像識(shi)別(bie)領(ling)域(yu)，特(te)別(bie)是涉(she)及(ji)一種(zhong)手勢識(shi)別(bie)方法和系(xi)統(tong)。

背景技術：

神經網(wang)絡是一種基于(yu)仿生設(she)計的(de)數(shu)學模型(xing)，近年來被廣(guang)泛(fan)應(ying)用于(yu)圖(tu)像(xiang)識(shi)別，語音識(shi)別等任務。

神(shen)經元(yuan)的(de)積(ji)(ji)累的(de)刺(ci)激是由(you)其他(ta)神(shen)經元(yuan)傳(chuan)遞過(guo)來(lai)的(de)刺(ci)激量(liang)和(he)(he)對(dui)應的(de)權重之和(he)(he)，用(yong)xj表示(shi)(shi)(shi)這(zhe)種積(ji)(ji)累，yi表示(shi)(shi)(shi)某個(ge)神(shen)經元(yuan)傳(chuan)遞過(guo)來(lai)的(de)刺(ci)激量(liang)，wi表示(shi)(shi)(shi)鏈接(jie)某個(ge)神(shen)經元(yuan)刺(ci)激的(de)權重，得到公式：xj＝(y1*w1)+(y2*w2)+...+(yi*wi)+...+(yn*wn)，而(er)當xj完成(cheng)積(ji)(ji)累后(hou)，完成(cheng)積(ji)(ji)累的(de)神(shen)經元(yuan)本身(shen)對(dui)周圍的(de)一些神(shen)經元(yuan)傳(chuan)播刺(ci)激，將其表示(shi)(shi)(shi)為yj得到如(ru)下(xia)所示(shi)(shi)(shi)：yj＝f(xj)，神(shen)經元(yuan)根據積(ji)(ji)累后(hou)xj的(de)結果進行處理后(hou)，對(dui)外傳(chuan)遞刺(ci)激yj。用(yong)f函(han)數映(ying)射來(lai)表示(shi)(shi)(shi)這(zhe)種處理，將它稱(cheng)之為激活(huo)函(han)數。

卷(juan)積(ji)神(shen)經(jing)網(wang)(wang)絡(luo)是(shi)將人工(gong)(gong)神(shen)經(jing)網(wang)(wang)絡(luo)和深度學習技術相(xiang)結(jie)合(he)而(er)產(chan)生的(de)(de)(de)(de)新型人工(gong)(gong)神(shen)經(jing)網(wang)(wang)絡(luo)方(fang)法(fa)，是(shi)為了識別(bie)二維形狀(zhuang)而(er)設計的(de)(de)(de)(de)多層感知器，具有(you)局(ju)部感知區域(yu)、層次結(jie)構化、特征抽取和分(fen)類過程(cheng)結(jie)合(he)的(de)(de)(de)(de)全(quan)局(ju)訓練的(de)(de)(de)(de)特點。fukushima提出(chu)的(de)(de)(de)(de)基于神(shen)經(jing)元之(zhi)間的(de)(de)(de)(de)局(ju)部連接型和層次結(jie)構組織(zhi)的(de)(de)(de)(de)neocogition模型是(shi)卷(juan)積(ji)神(shen)經(jing)網(wang)(wang)絡(luo)的(de)(de)(de)(de)第一個實現(xian)網(wang)(wang)絡(luo)。lecun等人設計并(bing)采用基于誤差梯度的(de)(de)(de)(de)算法(fa)訓練了卷(juan)積(ji)神(shen)經(jing)網(wang)(wang)絡(luo)，在一些(xie)模式(shi)識別(bie)領域(yu)取得非常好的(de)(de)(de)(de)性能，并(bing)且給出(chu)了卷(juan)積(ji)神(shen)經(jing)網(wang)(wang)絡(luo)公式(shi)的(de)(de)(de)(de)推(tui)導(dao)和證(zheng)明。

卷積神(shen)經網(wang)絡已經成功地(di)應用到(dao)了文檔分(fen)析、人(ren)臉檢測、語音檢測、車牌識別(bie)、手寫數(shu)字識別(bie)、視(shi)頻中的人(ren)體動作識別(bie)等(deng)各個方面。

技術實現要素：

本發明(ming)的主要目的是提供一種手(shou)勢(shi)識(shi)別方法和系統，其能夠準確、快(kuai)速地識(shi)別出待檢測圖像中的手(shou)勢(shi)。

根據(ju)本發明的一(yi)個方(fang)面(mian)，提供了一(yi)種手勢(shi)識(shi)別(bie)(bie)(bie)方(fang)法，用于從輸(shu)入圖(tu)像(xiang)(xiang)(xiang)中識(shi)別(bie)(bie)(bie)手勢(shi)，該方(fang)法包括：通過對輸(shu)入圖(tu)像(xiang)(xiang)(xiang)進行亮度和(he)色彩分析，獲取(qu)輸(shu)入圖(tu)像(xiang)(xiang)(xiang)中的潛在(zai)人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)；使用人(ren)(ren)手識(shi)別(bie)(bie)(bie)模型獲取(qu)輸(shu)入圖(tu)像(xiang)(xiang)(xiang)中各(ge)個潛在(zai)人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)屬于人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)的概率值(zhi)；選擇概率值(zhi)大于預定閾值(zhi)的潛在(zai)人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)作為人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)；從輸(shu)入圖(tu)像(xiang)(xiang)(xiang)中截(jie)取(qu)人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)圖(tu)像(xiang)(xiang)(xiang)；以及(ji)將(jiang)人(ren)(ren)手區(qu)域(yu)(yu)(yu)(yu)圖(tu)像(xiang)(xiang)(xiang)輸(shu)入手勢(shi)識(shi)別(bie)(bie)(bie)模型，以識(shi)別(bie)(bie)(bie)其(qi)對應的手勢(shi)。

優選(xuan)地，該方法還可以包(bao)括：根據(ju)人(ren)(ren)手(shou)(shou)(shou)區域的長寬(kuan)比例，計算該人(ren)(ren)手(shou)(shou)(shou)區域圖(tu)像(xiang)(xiang)到(dao)標(biao)準人(ren)(ren)手(shou)(shou)(shou)圖(tu)像(xiang)(xiang)的仿射(she)變(bian)換矩陣(zhen)；使用(yong)仿射(she)變(bian)換矩陣(zhen)對人(ren)(ren)手(shou)(shou)(shou)區域圖(tu)像(xiang)(xiang)進行(xing)仿射(she)變(bian)換，得(de)到(dao)標(biao)準化(hua)的人(ren)(ren)手(shou)(shou)(shou)區域圖(tu)像(xiang)(xiang)，其(qi)(qi)中，將標(biao)準化(hua)的人(ren)(ren)手(shou)(shou)(shou)區域圖(tu)像(xiang)(xiang)輸入手(shou)(shou)(shou)勢(shi)識別(bie)模型，以識別(bie)其(qi)(qi)所對應的手(shou)(shou)(shou)勢(shi)。

優選地，通(tong)過對輸入(ru)圖(tu)像進(jin)行亮度(du)和色彩(cai)分(fen)析獲取輸入(ru)圖(tu)像中的(de)潛在(zai)人手區(qu)(qu)域的(de)步驟(zou)可以包括：選擇(ze)輸入(ru)圖(tu)像中光流特征(zheng)絕對值大于預設(she)閾(yu)值且色彩(cai)屬于預設(she)膚色區(qu)(qu)間的(de)區(qu)(qu)域為潛在(zai)人手區(qu)(qu)域。

優(you)選地，該(gai)方法(fa)還可(ke)以(yi)包括：在(zai)確定人手區(qu)域后(hou)，計算后(hou)續一幀或多幀輸入圖像中對(dui)應(ying)于人手區(qu)域的(de)圖像區(qu)域的(de)光流特征值，以(yi)確定后(hou)續一幀或多幀輸入圖像中的(de)人手區(qu)域。

優選地，在對輸(shu)入圖(tu)像進(jin)行(xing)亮(liang)(liang)度和(he)色彩分(fen)析之前(qian)，該方(fang)法(fa)還(huan)可以包(bao)括：對輸(shu)入圖(tu)像進(jin)行(xing)檢測，以確定(ding)用戶是否發出預定(ding)肢體動作；在檢測到用戶發出預定(ding)肢體動作的情況下(xia)，執(zhi)行(xing)對輸(shu)入圖(tu)像進(jin)行(xing)亮(liang)(liang)度和(he)色彩分(fen)析的步驟。

優選地，在(zai)(zai)獲取輸入圖(tu)像(xiang)中(zhong)的潛(qian)在(zai)(zai)人手區(qu)域之后，該方(fang)法還(huan)可以包括：基于(yu)(yu)預定的模型或(huo)算法，識(shi)別出輸入圖(tu)像(xiang)中(zhong)的人臉(lian)潛(qian)在(zai)(zai)區(qu)域和(he)/或(huo)人體潛(qian)在(zai)(zai)區(qu)域；根(gen)據識(shi)別出的人臉(lian)潛(qian)在(zai)(zai)區(qu)域和(he)/或(huo)人體潛(qian)在(zai)(zai)區(qu)域，刪除處于(yu)(yu)不合理范圍的潛(qian)在(zai)(zai)人手區(qu)域。

優選地，該方法還可以包括：對輸(shu)入(ru)(ru)圖像(xiang)(xiang)進(jin)行(xing)多尺度(du)(du)縮放，以得到不同尺度(du)(du)的輸(shu)入(ru)(ru)圖像(xiang)(xiang)；對不同尺度(du)(du)的輸(shu)入(ru)(ru)圖像(xiang)(xiang)執行(xing)對輸(shu)入(ru)(ru)圖像(xiang)(xiang)進(jin)行(xing)亮度(du)(du)和(he)色彩(cai)分(fen)析的步驟。

優選地，人手識(shi)(shi)別模型和手勢識(shi)(shi)別模型均為(wei)卷積(ji)神經網絡(luo)模型。

根據(ju)本發明(ming)的(de)(de)另一(yi)個方面，還提供了一(yi)種手(shou)(shou)勢識(shi)別(bie)系統，用(yong)(yong)于(yu)從輸(shu)入圖(tu)(tu)像(xiang)中(zhong)識(shi)別(bie)手(shou)(shou)勢，該系統包括：存儲器，用(yong)(yong)于(yu)存儲輸(shu)入圖(tu)(tu)像(xiang)；cpu模(mo)(mo)塊，用(yong)(yong)于(yu)控制fpga模(mo)(mo)塊，并(bing)對輸(shu)入圖(tu)(tu)像(xiang)進行(xing)亮度(du)和(he)(he)色彩分析，以(yi)獲(huo)取(qu)輸(shu)入圖(tu)(tu)像(xiang)中(zhong)的(de)(de)潛(qian)在(zai)人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)；fpga模(mo)(mo)塊，用(yong)(yong)于(yu)在(zai)其上實(shi)現人(ren)(ren)手(shou)(shou)識(shi)別(bie)模(mo)(mo)型和(he)(he)手(shou)(shou)勢識(shi)別(bie)模(mo)(mo)型，其中(zhong)，人(ren)(ren)手(shou)(shou)識(shi)別(bie)模(mo)(mo)型用(yong)(yong)于(yu)獲(huo)取(qu)輸(shu)入圖(tu)(tu)像(xiang)中(zhong)各個潛(qian)在(zai)人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)屬于(yu)人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)的(de)(de)概(gai)率(lv)值(zhi)，以(yi)便(bian)選擇(ze)概(gai)率(lv)值(zhi)大于(yu)預(yu)定閾值(zhi)的(de)(de)潛(qian)在(zai)人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)作為人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)，并(bing)從輸(shu)入圖(tu)(tu)像(xiang)中(zhong)截取(qu)人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)，手(shou)(shou)勢識(shi)別(bie)模(mo)(mo)型用(yong)(yong)于(yu)從人(ren)(ren)手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)中(zhong)識(shi)別(bie)出(chu)對應的(de)(de)手(shou)(shou)勢。

優選地，cpu模塊(kuai)根據人(ren)(ren)手(shou)區域(yu)的長寬比(bi)例，計算該(gai)人(ren)(ren)手(shou)區域(yu)圖像到(dao)標準(zhun)人(ren)(ren)手(shou)圖像的仿射(she)變換矩(ju)陣(zhen)，該(gai)系統還可以包括：幾何變換模塊(kuai)，用于使用仿射(she)變換矩(ju)陣(zhen)對(dui)(dui)人(ren)(ren)手(shou)區域(yu)圖像進(jin)行仿射(she)變換，得到(dao)標準(zhun)化的人(ren)(ren)手(shou)區域(yu)圖像，其中，手(shou)勢(shi)識別模型從(cong)標準(zhun)化的人(ren)(ren)手(shou)區域(yu)圖像中識別出對(dui)(dui)應的手(shou)勢(shi)。

優選地(di)，cpu模塊選擇輸入圖像中(zhong)光流特征絕對值大于(yu)預(yu)設閾值且色(se)彩(cai)屬于(yu)預(yu)設膚色(se)區(qu)間的區(qu)域(yu)為(wei)潛在(zai)人手區(qu)域(yu)。

優選地(di)，在(zai)確定人(ren)手(shou)區域(yu)(yu)(yu)后(hou)，cpu模塊計算后(hou)續一幀(zhen)(zhen)或多幀(zhen)(zhen)輸入(ru)圖(tu)像(xiang)中對(dui)應于人(ren)手(shou)區域(yu)(yu)(yu)的圖(tu)像(xiang)區域(yu)(yu)(yu)的光流特征值，以(yi)確定后(hou)續一幀(zhen)(zhen)或多幀(zhen)(zhen)輸入(ru)圖(tu)像(xiang)中的人(ren)手(shou)區域(yu)(yu)(yu)。

優選(xuan)地，在cpu模塊(kuai)(kuai)對(dui)輸入(ru)圖像進行亮(liang)度和色彩分析之前，cpu模塊(kuai)(kuai)對(dui)輸入(ru)圖像進行檢(jian)(jian)測，以(yi)(yi)確定(ding)(ding)用戶是否(fou)發(fa)出預定(ding)(ding)肢體(ti)動作，在檢(jian)(jian)測到用戶發(fa)出預定(ding)(ding)肢體(ti)動作的(de)情況下，cpu模塊(kuai)(kuai)檢(jian)(jian)測對(dui)輸入(ru)圖像進行亮(liang)度和色彩分析，并(bing)控制fpga模塊(kuai)(kuai)，以(yi)(yi)從輸入(ru)圖像中識別手勢。

優選地，fpga模(mo)塊(kuai)上還用于(yu)(yu)實現人(ren)(ren)臉識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)型和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)型，人(ren)(ren)臉識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)型和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)型用于(yu)(yu)識(shi)(shi)(shi)別(bie)(bie)(bie)出輸入(ru)圖像中的(de)(de)人(ren)(ren)臉潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)，cpu模(mo)塊(kuai)根(gen)(gen)據識(shi)(shi)(shi)別(bie)(bie)(bie)出的(de)(de)人(ren)(ren)臉潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)，刪除(chu)處(chu)于(yu)(yu)不(bu)合理范圍的(de)(de)潛(qian)(qian)在(zai)(zai)(zai)人(ren)(ren)手(shou)區(qu)(qu)域(yu)，或(huo)(huo)(huo)(huo)者cpu模(mo)塊(kuai)基于(yu)(yu)預定的(de)(de)算法(fa)，識(shi)(shi)(shi)別(bie)(bie)(bie)出輸入(ru)圖像中人(ren)(ren)臉潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)，并根(gen)(gen)據識(shi)(shi)(shi)別(bie)(bie)(bie)出的(de)(de)人(ren)(ren)臉潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)和(he)/或(huo)(huo)(huo)(huo)人(ren)(ren)體(ti)(ti)(ti)潛(qian)(qian)在(zai)(zai)(zai)區(qu)(qu)域(yu)，刪除(chu)處(chu)于(yu)(yu)不(bu)合理范圍的(de)(de)潛(qian)(qian)在(zai)(zai)(zai)人(ren)(ren)手(shou)區(qu)(qu)域(yu)。

優選地(di)，cpu模塊(kuai)對輸(shu)(shu)入圖像(xiang)進(jin)行(xing)多尺(chi)度縮(suo)放，以(yi)得到不(bu)同(tong)尺(chi)度的輸(shu)(shu)入圖像(xiang)，cpu模塊(kuai)對不(bu)同(tong)尺(chi)度的輸(shu)(shu)入圖像(xiang)進(jin)行(xing)亮度和色彩分析，并控(kong)制fpga模塊(kuai)，以(yi)從不(bu)同(tong)尺(chi)度的輸(shu)(shu)入圖像(xiang)中識別手勢。

優選地，人(ren)手識別模(mo)型和手勢(shi)識別模(mo)型均(jun)為(wei)卷積神經網絡模(mo)型，cpu模(mo)塊還用(yong)于執行卷積神經網絡模(mo)型的(de)(de)全連接(jie)層的(de)(de)運算。

綜上(shang)，本發(fa)明的手(shou)勢(shi)識(shi)別(bie)(bie)方法首先對輸(shu)入(ru)圖像進行亮度和色彩分析，初步篩選(xuan)出(chu)潛在人(ren)手(shou)區域，然后使(shi)用(yong)人(ren)手(shou)識(shi)別(bie)(bie)模型進一步篩選(xuan)，以(yi)得到(dao)較為準確(que)的人(ren)手(shou)區域，從而使(shi)得手(shou)勢(shi)識(shi)別(bie)(bie)模型可以(yi)快速、準確(que)識(shi)別(bie)(bie)出(chu)輸(shu)入(ru)圖像中的手(shou)勢(shi)。

附圖說明

通(tong)(tong)過結(jie)合附圖對本(ben)公(gong)開示例性(xing)實施(shi)方(fang)(fang)式(shi)(shi)進行(xing)更(geng)詳細的(de)描(miao)述，本(ben)公(gong)開的(de)上述以(yi)及其(qi)(qi)它目的(de)、特征和(he)優(you)勢將變得更(geng)加明顯，其(qi)(qi)中，在(zai)本(ben)公(gong)開示例性(xing)實施(shi)方(fang)(fang)式(shi)(shi)中，相同(tong)的(de)參考標(biao)號通(tong)(tong)常(chang)代表相同(tong)部件(jian)。

圖(tu)1示出(chu)了根據本(ben)發明(ming)一實施(shi)例的(de)手勢識(shi)別方法的(de)示意性(xing)流程圖(tu)。

圖2示出了根據本(ben)發明另一實施例的手勢識別方法的示意性流(liu)程(cheng)圖。

圖(tu)(tu)3示出了根據本發明一(yi)實施例的手(shou)勢識別系(xi)統的結(jie)構的示意性方框(kuang)圖(tu)(tu)。

圖4示出了幾何變換模塊可以具有的功能(neng)模塊的示意(yi)性方框圖。

具體實施方式

下面將(jiang)參照附圖更(geng)詳(xiang)細(xi)地(di)描述(shu)本(ben)(ben)公開(kai)(kai)的優(you)選(xuan)實(shi)(shi)施方(fang)(fang)式。雖然附圖中(zhong)顯示了本(ben)(ben)公開(kai)(kai)的優(you)選(xuan)實(shi)(shi)施方(fang)(fang)式，然而應該理解，可以(yi)(yi)以(yi)(yi)各種形式實(shi)(shi)現本(ben)(ben)公開(kai)(kai)而不應被這里闡述(shu)的實(shi)(shi)施方(fang)(fang)式所限制。相反，提供這些實(shi)(shi)施方(fang)(fang)式是為(wei)了使本(ben)(ben)公開(kai)(kai)更(geng)加透徹和完(wan)整(zheng)，并且(qie)能夠將(jiang)本(ben)(ben)公開(kai)(kai)的范圍完(wan)整(zheng)地(di)傳達給本(ben)(ben)領域的技術人員。

隨(sui)著智(zhi)能硬(ying)件(jian)設(she)備的發展，手(shou)(shou)勢(shi)(shi)交互控制(zhi)(zhi)越來越多地應用于智(zhi)能硬(ying)件(jian)設(she)備中(zhong)，手(shou)(shou)勢(shi)(shi)交互控制(zhi)(zhi)使(shi)得(de)用戶可(ke)以通過在(zai)遠處或近處做(zuo)(zuo)(zuo)揮手(shou)(shou)或者(zhe)擺手(shou)(shou)型等(deng)手(shou)(shou)勢(shi)(shi)向智(zhi)能硬(ying)件(jian)設(she)備發出控制(zhi)(zhi)信(xin)號(hao)，智(zhi)能硬(ying)件(jian)設(she)備則識別(bie)用戶的信(xin)號(hao)(即(ji)(ji)識別(bie)用戶做(zuo)(zuo)(zuo)出的手(shou)(shou)勢(shi)(shi))，根據(ju)內存中(zhong)保存的該(gai)信(xin)號(hao)(即(ji)(ji)手(shou)(shou)勢(shi)(shi))的定義(yi)做(zuo)(zuo)(zuo)出相應的反應。

針(zhen)對于(yu)此，本發明(ming)提出了一種能夠快(kuai)速、準確地識別出待檢測(ce)圖像(即下文述及(ji)的(de)輸入圖像)中的(de)手勢的(de)識別方(fang)案(an)。

本(ben)(ben)發明的識別(bie)方(fang)案可以實(shi)現為一(yi)(yi)種(zhong)手(shou)(shou)勢識別(bie)方(fang)法和系統。圖(tu)1示出了根據本(ben)(ben)發明一(yi)(yi)實(shi)施例的手(shou)(shou)勢識別(bie)方(fang)法的示意性流程圖(tu)。

參(can)見圖1，在(zai)步驟(zou)s110，通過對輸入(ru)圖像進行亮度(du)和色彩(cai)分析，獲取輸入(ru)圖像中的潛在(zai)人手(shou)區域。

其中，輸入圖(tu)(tu)像(xiang)為待檢測圖(tu)(tu)像(xiang)，其可以(yi)(yi)是(shi)靜態(tai)圖(tu)(tu)像(xiang)，也可以(yi)(yi)是(shi)動態(tai)圖(tu)(tu)像(xiang)。例(li)如，輸入圖(tu)(tu)像(xiang)可以(yi)(yi)是(shi)使用攝(she)像(xiang)裝(zhuang)置(zhi)(zhi)拍(pai)攝(she)得到(dao)的一(yi)幅(fu)(fu)或多幅(fu)(fu)照(zhao)片，也可以(yi)(yi)是(shi)使用攝(she)像(xiang)裝(zhuang)置(zhi)(zhi)拍(pai)攝(she)得到(dao)的包(bao)含多幀圖(tu)(tu)像(xiang)的視頻。

通過對輸入圖(tu)像(xiang)進行亮度和色彩分析(xi)，可以得(de)到輸入圖(tu)像(xiang)中一(yi)個或多個可能屬于人手(shou)的潛在人手(shou)區域。

其中(zhong)，這里述及的(de)(de)(de)亮度和色(se)彩(cai)分析可(ke)以是分析輸(shu)入(ru)圖(tu)像(xiang)的(de)(de)(de)亮度、色(se)調、飽和度等信(xin)(xin)息來識(shi)別出輸(shu)入(ru)圖(tu)像(xiang)中(zhong)可(ke)能屬于人(ren)手(shou)的(de)(de)(de)潛(qian)在人(ren)手(shou)區(qu)域。例如，可(ke)以根(gen)據大量人(ren)手(shou)圖(tu)像(xiang)的(de)(de)(de)亮度、色(se)調、飽和度等信(xin)(xin)息，得出一(yi)(yi)般化人(ren)手(shou)圖(tu)像(xiang)的(de)(de)(de)亮度和色(se)彩(cai)信(xin)(xin)息，然后再根(gen)據輸(shu)入(ru)圖(tu)像(xiang)的(de)(de)(de)亮度和色(se)彩(cai)信(xin)(xin)息，從輸(shu)入(ru)圖(tu)像(xiang)中(zhong)找(zhao)出與一(yi)(yi)般化人(ren)手(shou)圖(tu)像(xiang)的(de)(de)(de)亮度和色(se)彩(cai)信(xin)(xin)息相近的(de)(de)(de)一(yi)(yi)個(ge)或多個(ge)區(qu)域作(zuo)為潛(qian)在人(ren)手(shou)區(qu)域。

另外(wai)，這里(li)述(shu)及的(de)亮度和(he)色(se)彩(cai)分(fen)析還可(ke)(ke)以是使用光流(liu)算法來(lai)計算輸入(ru)(ru)圖(tu)像中(zhong)一個(ge)(ge)或(huo)多個(ge)(ge)區(qu)塊的(de)光流(liu)特(te)(te)征值，初步(bu)篩選(xuan)出輸入(ru)(ru)圖(tu)像中(zhong)可(ke)(ke)能(neng)屬(shu)于人手的(de)區(qu)域，然后(hou)再對其進行(xing)色(se)彩(cai)分(fen)析，從(cong)中(zhong)進一步(bu)挑選(xuan)出色(se)彩(cai)屬(shu)于預(yu)設(she)膚色(se)區(qu)間的(de)區(qu)域為(wei)(wei)潛在(zai)人手區(qu)域。也(ye)就是說，可(ke)(ke)以通過光流(liu)計算和(he)色(se)彩(cai)分(fen)析，選(xuan)擇輸入(ru)(ru)圖(tu)像中(zhong)光流(liu)特(te)(te)征絕對值大于預(yu)設(she)閾值且(qie)色(se)彩(cai)屬(shu)于預(yu)設(she)膚色(se)區(qu)間的(de)區(qu)域為(wei)(wei)潛在(zai)人手區(qu)域。其中(zhong)，光流(liu)計算的(de)原理為(wei)(wei)本領(ling)域技術人員(yuan)公知，這里(li)不再贅述(shu)。

需要說明的是，在計(ji)算(suan)(suan)輸入圖像(xiang)中的一(yi)個或多個區(qu)塊的光流特(te)征(zheng)值(zhi)(zhi)(zhi)時，可以(yi)讀取前(qian)后兩幀圖像(xiang)，并對(dui)相(xiang)同位(wei)置的像(xiang)素值(zhi)(zhi)(zhi)做(zuo)差分，然后可以(yi)對(dui)原圖像(xiang)或者(zhe)差分后的圖像(xiang)做(zuo)低通濾波，根據光流算(suan)(suan)法的數學(xue)原理，對(dui)計(ji)算(suan)(suan)得(de)到(dao)的數據進行(xing)乘累加(jia)操作(zuo)，計(ji)算(suan)(suan)若干像(xiang)素組成區(qu)域(yu)(yu)的位(wei)移速(su)度向量(liang)，以(yi)得(de)到(dao)光流特(te)征(zheng)值(zhi)(zhi)(zhi)。其中，光流計(ji)算(suan)(suan)的具體過程為(wei)本領域(yu)(yu)技術人(ren)員所公知(zhi)，這里不(bu)再詳述。

由此，正如(ru)上文所述，本文述及的(de)(de)輸入圖(tu)(tu)(tu)(tu)(tu)像可(ke)以包含(han)多(duo)(duo)幀圖(tu)(tu)(tu)(tu)(tu)像，其可(ke)以是多(duo)(duo)幀靜態圖(tu)(tu)(tu)(tu)(tu)像，也可(ke)以是包含(han)多(duo)(duo)幀圖(tu)(tu)(tu)(tu)(tu)像的(de)(de)視頻圖(tu)(tu)(tu)(tu)(tu)像。這樣(yang)，基于步驟s110，可(ke)以獲取一(yi)幀或多(duo)(duo)幀輸入圖(tu)(tu)(tu)(tu)(tu)像中(zhong)的(de)(de)潛在人手區域。

在(zai)步(bu)驟s120，使用人(ren)手識別模型獲取輸入(ru)圖(tu)像(xiang)中各個潛在(zai)人(ren)手區域屬于人(ren)手區域的(de)概(gai)率值。

在(zai)步驟s130，選(xuan)擇概率值(zhi)大于預定閾值(zhi)的潛(qian)在(zai)人手區(qu)(qu)域(yu)作為人手區(qu)(qu)域(yu)。

這(zhe)里(li)的(de)(de)人(ren)(ren)手(shou)(shou)識(shi)別模型可(ke)以(yi)(yi)是預先(xian)訓練得到的(de)(de)卷(juan)積神經(jing)網(wang)絡模型。人(ren)(ren)手(shou)(shou)識(shi)別模型可(ke)以(yi)(yi)識(shi)別出各個潛在人(ren)(ren)手(shou)(shou)區域(yu)屬于人(ren)(ren)手(shou)(shou)區域(yu)的(de)(de)概率(lv)值(zhi)。由此，對(dui)于步(bu)驟s110獲取的(de)(de)潛在人(ren)(ren)手(shou)(shou)區域(yu)，可(ke)以(yi)(yi)使(shi)用(yong)人(ren)(ren)手(shou)(shou)識(shi)別模型進(jin)行進(jin)一步(bu)識(shi)別，以(yi)(yi)篩選出更為(wei)(wei)準(zhun)確(que)的(de)(de)潛在人(ren)(ren)手(shou)(shou)區域(yu)作為(wei)(wei)人(ren)(ren)手(shou)(shou)區域(yu)。

在使(shi)用人(ren)手(shou)(shou)識別模(mo)型對人(ren)手(shou)(shou)潛在區域(yu)進行篩選(xuan)后(hou)(hou)，就(jiu)可(ke)以執(zhi)行步(bu)驟s140，從輸入圖像中截取(qu)人(ren)手(shou)(shou)區域(yu)圖像。然后(hou)(hou)可(ke)以執(zhi)行步(bu)驟s150，將(jiang)人(ren)手(shou)(shou)區域(yu)圖像輸入手(shou)(shou)勢(shi)識別模(mo)型，以識別其對應的手(shou)(shou)勢(shi)。

其(qi)中，卷積(ji)神經(jing)網(wang)絡(luo)具有高度(du)非線性，因此手(shou)勢(shi)識(shi)別模型(xing)可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)是(shi)預(yu)先訓(xun)練得到的(de)卷積(ji)神經(jing)網(wang)絡(luo)模型(xing)，其(qi)可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)識(shi)別多(duo)(duo)種(zhong)預(yu)設(she)手(shou)勢(shi)。其(qi)中，這里(li)述及的(de)預(yu)設(she)手(shou)勢(shi)可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)是(shi)靜態手(shou)勢(shi)，也可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)是(shi)動態手(shou)勢(shi)。例(li)如(ru)，手(shou)勢(shi)識(shi)別模型(xing)可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)是(shi)訓(xun)練多(duo)(duo)張(zhang)圖片到手(shou)勢(shi)類別的(de)分類函數，以(yi)(yi)(yi)(yi)使得其(qi)可(ke)(ke)(ke)以(yi)(yi)(yi)(yi)識(shi)別動態手(shou)勢(shi)。

作為(wei)一(yi)個(ge)示例，手(shou)勢(shi)識(shi)別模(mo)型可(ke)以同(tong)時(shi)計算手(shou)勢(shi)的(de)類別索引(yin)和人手(shou)關鍵(jian)點的(de)位置(zhi)，通過類別和位置(zhi)兩種(zhong)(zhong)信息的(de)融合(he)，提高卷積神經網(wang)絡(luo)對手(shou)勢(shi)的(de)表達(da)性能。由此，手(shou)勢(shi)識(shi)別模(mo)型的(de)全連接層(ceng)的(de)輸出可(ke)以是一(yi)個(ge)m+2k維(wei)向(xiang)量(liang)，其(qi)中m維(wei)子(zi)向(xiang)量(liang)的(de)最大(da)值所(suo)在的(de)維(wei)度為(wei)m種(zhong)(zhong)不同(tong)手(shou)勢(shi)的(de)索引(yin)，另(ling)外2k維(wei)子(zi)向(xiang)量(liang)為(wei)人手(shou)k個(ge)關鍵(jian)點的(de)x軸(zhou)和y軸(zhou)坐標。

綜(zong)上，本發(fa)明(ming)的(de)手(shou)勢(shi)識(shi)(shi)別(bie)方法首先對輸(shu)入(ru)圖(tu)像(xiang)進(jin)行亮度和色彩分析(xi)，初步篩(shai)選(xuan)出潛在(zai)人手(shou)區(qu)域(yu)，然后使(shi)用人手(shou)識(shi)(shi)別(bie)模(mo)型(xing)進(jin)一步篩(shai)選(xuan)，以得(de)到較(jiao)為準(zhun)確的(de)人手(shou)區(qu)域(yu)，從(cong)而(er)使(shi)得(de)手(shou)勢(shi)識(shi)(shi)別(bie)模(mo)型(xing)可以快速(su)、準(zhun)確識(shi)(shi)別(bie)出輸(shu)入(ru)圖(tu)像(xiang)中(zhong)的(de)手(shou)勢(shi)。

圖(tu)2示出了(le)根據(ju)本發明另一實施例(li)的手勢識別(bie)方法的示意性(xing)流(liu)程(cheng)圖(tu)。

參(can)見圖2，首(shou)先(xian)，可以執(zhi)行(xing)步驟(zou)s210的(de)激(ji)活步驟(zou)：對(dui)輸入(ru)圖像進行(xing)檢測，以確定(ding)用戶(hu)是(shi)否發出預(yu)定(ding)肢體動(dong)作，在檢測到用戶(hu)發出預(yu)定(ding)肢體動(dong)作的(de)情(qing)況下，執(zhi)行(xing)后續的(de)步驟(zou)。

由此(ci)，可(ke)以利用(yong)用(yong)戶(hu)的(de)(de)(de)(de)肢體(ti)動(dong)作(zuo)(zuo)作(zuo)(zuo)為本發(fa)明的(de)(de)(de)(de)人(ren)手(shou)識(shi)別(bie)(bie)方法的(de)(de)(de)(de)激活(huo)步驟。在將本發(fa)明的(de)(de)(de)(de)手(shou)勢識(shi)別(bie)(bie)方法應(ying)用(yong)于(yu)智能(neng)硬件(jian)設備(bei)中時，從設備(bei)休眠到工作(zuo)(zuo)之間的(de)(de)(de)(de)轉換過(guo)程，可(ke)以由用(yong)戶(hu)保持人(ren)臉(lian)和/或(huo)人(ren)體(ti)在智能(neng)硬件(jian)設備(bei)的(de)(de)(de)(de)鏡頭中，并使用(yong)預定的(de)(de)(de)(de)肢體(ti)動(dong)作(zuo)(zuo)(例(li)如(ru)揮(hui)手(shou)動(dong)作(zuo)(zuo))激活(huo)算法。這樣，在檢測到用(yong)戶(hu)執行(xing)了預定肢體(ti)動(dong)作(zuo)(zuo)后，就可(ke)以執行(xing)后續(xu)的(de)(de)(de)(de)算法步驟。

在步驟(zou)s220，獲(huo)取潛在人手區域(yu)。其中，步驟(zou)s220的具體實現可以(yi)參照(zhao)上(shang)文(wen)圖(tu)1中步驟(zou)s110的相關描(miao)述，這里不再贅述。

在(zai)獲(huo)取(qu)了潛在(zai)人手(shou)區(qu)域(yu)(yu)后(hou)，就可(ke)以執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s230和(he)步(bu)(bu)驟(zou)(zou)(zou)s240，對獲(huo)取(qu)的潛在(zai)人手(shou)區(qu)域(yu)(yu)進行(xing)篩(shai)選，以篩(shai)選出更(geng)為準確的潛在(zai)人手(shou)區(qu)域(yu)(yu)作為人手(shou)區(qu)域(yu)(yu)。這(zhe)里，步(bu)(bu)驟(zou)(zou)(zou)s230和(he)步(bu)(bu)驟(zou)(zou)(zou)s240的先后(hou)執(zhi)(zhi)行(xing)順序沒有嚴格限定，即可(ke)以先執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s230再(zai)執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s240，也可(ke)以先執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s240再(zai)執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s230，還可(ke)以同時執(zhi)(zhi)行(xing)步(bu)(bu)驟(zou)(zou)(zou)s230和(he)步(bu)(bu)驟(zou)(zou)(zou)s240。

其中，步驟s230的(de)篩(shai)選(xuan)過程(cheng)可以參(can)見上文圖1中步驟s120、步驟s130的(de)描述(shu)，這(zhe)里不再贅述(shu)。

在步驟s240，基于(yu)人(ren)體(ti)幾(ji)何屬性進行篩(shai)選。

這里，可以(yi)基(ji)于預定的模型或(huo)算法，識別出輸入圖像中的人(ren)臉潛在區(qu)域(yu)和/或(huo)人(ren)體潛在區(qu)域(yu)。

例如，可(ke)以使用預(yu)先基于卷積(ji)神經網絡(luo)的(de)人臉(lian)識(shi)別(bie)模型和(he)(he)/或人體識(shi)別(bie)模型，識(shi)別(bie)出輸(shu)入圖像中的(de)人臉(lian)潛在區(qu)域(yu)和(he)(he)/或人體潛在區(qu)域(yu)。再(zai)例如，還可(ke)以使用adaboost算(suan)法，計算(suan)輸(shu)入圖像中人臉(lian)和(he)(he)/或人體的(de)概(gai)率分布(bu)矩陣，將概(gai)率值大于預(yu)定閾值的(de)區(qu)域(yu)確定為人臉(lian)潛在區(qu)域(yu)和(he)(he)/或人體潛在區(qu)域(yu)。

根(gen)據識(shi)別出的人(ren)臉(lian)潛(qian)在(zai)(zai)區域(yu)(yu)和/或人(ren)體潛(qian)在(zai)(zai)區域(yu)(yu)，刪(shan)除處(chu)于不(bu)合(he)理(li)范圍的潛(qian)在(zai)(zai)人(ren)手(shou)區域(yu)(yu)。這里主要是從人(ren)體的幾(ji)(ji)何屬性考慮，篩選出處(chu)于不(bu)合(he)理(li)范圍的潛(qian)在(zai)(zai)人(ren)手(shou)區域(yu)(yu)，進行刪(shan)除。例如，可以根(gen)據人(ren)臉(lian)/人(ren)體和人(ren)手(shou)可能(neng)具有的幾(ji)(ji)何位(wei)置關系，刪(shan)除明顯處(chu)于不(bu)合(he)理(li)范圍內的潛(qian)在(zai)(zai)人(ren)手(shou)區域(yu)(yu)。

在(zai)對潛在(zai)人手(shou)(shou)區(qu)域(yu)(yu)進行(xing)篩選后(hou)，可以(yi)(yi)(yi)從輸(shu)(shu)(shu)入(ru)圖(tu)(tu)像(xiang)(xiang)中截(jie)(jie)取人手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)。由于(yu)輸(shu)(shu)(shu)入(ru)圖(tu)(tu)像(xiang)(xiang)可能(neng)是(shi)在(zai)不同角度拍攝(she)得到的，因此(ci)從輸(shu)(shu)(shu)入(ru)圖(tu)(tu)像(xiang)(xiang)中截(jie)(jie)取到的人手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)可能(neng)與標準(zhun)圖(tu)(tu)像(xiang)(xiang)差別較大。例(li)如，在(zai)輸(shu)(shu)(shu)入(ru)圖(tu)(tu)像(xiang)(xiang)是(shi)從側面拍攝(she)或斜向(xiang)拍攝(she)得到的人手(shou)(shou)圖(tu)(tu)像(xiang)(xiang)時，截(jie)(jie)取出的人手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)不便(bian)于(yu)識別。因此(ci)可以(yi)(yi)(yi)對篩選后(hou)的潛在(zai)人手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)進行(xing)仿射變換(步驟s250)，以(yi)(yi)(yi)得到標準(zhun)化的人手(shou)(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)。

具體地(di)，可以(yi)根據人手(shou)區域(yu)的長寬比例，計(ji)算該(gai)人手(shou)區域(yu)圖(tu)像(xiang)到標準人手(shou)圖(tu)像(xiang)的仿射變換矩(ju)陣(zhen)。

本發明的(de)獲取仿(fang)射變換矩陣的(de)一種可(ke)行的(de)實(shi)現方式為，可(ke)以根(gen)據人(ren)(ren)(ren)手(shou)區域的(de)長寬比(bi)例(li)，選(xuan)取人(ren)(ren)(ren)手(shou)區域多(duo)個關(guan)(guan)鍵點(dian)，然(ran)后計(ji)算(suan)將這些關(guan)(guan)鍵點(dian)映射到標準(zhun)人(ren)(ren)(ren)手(shou)圖像(xiang)中(zhong)的(de)相應多(duo)個標準(zhun)關(guan)(guan)鍵點(dian)的(de)仿(fang)射變換矩陣。其中(zhong)，關(guan)(guan)鍵點(dian)標準(zhun)位置是具有預定(ding)形狀(zhuang)和尺(chi)寸(cun)的(de)標準(zhun)人(ren)(ren)(ren)手(shou)圖像(xiang)上的(de)關(guan)(guan)鍵點(dian)位置，標準(zhun)人(ren)(ren)(ren)手(shou)圖像(xiang)可(ke)以通過對大(da)量的(de)人(ren)(ren)(ren)手(shou)圖像(xiang)進(jin)行統(tong)計(ji)得出(chu)。

然后(hou)可以使用仿(fang)射(she)(she)變換矩陣對人手區域圖(tu)像進行(xing)仿(fang)射(she)(she)變換，以得到標準化的人手區域圖(tu)像。

具(ju)體地(di)，設(she)經過(guo)仿射(she)變(bian)(bian)換后(hou)的人(ren)手區(qu)域(yu)圖(tu)像(以(yi)下簡稱目標圖(tu)像)為(wei)(wei)q，原始人(ren)手區(qu)域(yu)圖(tu)像(以(yi)下簡稱原圖(tu)像)為(wei)(wei)i，仿射(she)變(bian)(bian)換過(guo)程的數據表達式為(wei)(wei)q[u(x,y),v(x,y)]＝i[x,y]，其中x,y為(wei)(wei)原圖(tu)像的地(di)址(zhi)，u,v為(wei)(wei)目標圖(tu)像的地(di)址(zhi)，且u(x,y)＝a*x+b*y+c,v(x,y)＝d*x+e*y+f,其中a,b,c,d,e,f均為(wei)(wei)仿射(she)變(bian)(bian)換矩陣中的對應元素(su)。

因此，可(ke)以根據(ju)仿射變換矩陣對原(yuan)(yuan)圖(tu)像中(zhong)的原(yuan)(yuan)始行坐(zuo)(zuo)(zuo)標(biao)和原(yuan)(yuan)始列(lie)坐(zuo)(zuo)(zuo)標(biao)進行計(ji)算(suan)，即計(ji)算(suan)u(x,y)＝a*x+b*y+c,得到(dao)目標(biao)圖(tu)像的目標(biao)行坐(zuo)(zuo)(zuo)標(biao)，將(jiang)原(yuan)(yuan)始像素的像素值寫入第二緩(huan)沖存儲(chu)器中(zhong)，作為中(zhong)間(jian)圖(tu)像中(zhong)以目標(biao)行坐(zuo)(zuo)(zuo)標(biao)為行坐(zuo)(zuo)(zuo)標(biao)且以原(yuan)(yuan)始列(lie)坐(zuo)(zuo)(zuo)標(biao)為列(lie)坐(zuo)(zuo)(zuo)標(biao)的中(zhong)間(jian)像素的像素值。

然后對(dui)第二(er)緩沖存儲(chu)器中(zhong)(zhong)存儲(chu)的(de)(de)(de)中(zhong)(zhong)間圖(tu)像(xiang)(xiang)(xiang)中(zhong)(zhong)的(de)(de)(de)每個中(zhong)(zhong)間像(xiang)(xiang)(xiang)素，根據仿射變(bian)換(huan)矩陣(zhen)對(dui)其目(mu)標(biao)行(xing)(xing)坐(zuo)(zuo)(zuo)標(biao)和原始(shi)列坐(zuo)(zuo)(zuo)標(biao)進行(xing)(xing)計算(suan)，即計算(suan)v(u,y)＝d*u+e*y+f，得(de)到目(mu)標(biao)圖(tu)像(xiang)(xiang)(xiang)的(de)(de)(de)目(mu)標(biao)列坐(zuo)(zuo)(zuo)標(biao)，并將中(zhong)(zhong)間像(xiang)(xiang)(xiang)素的(de)(de)(de)像(xiang)(xiang)(xiang)素值(zhi)寫入第一緩沖存儲(chu)器中(zhong)(zhong)作為(wei)目(mu)標(biao)圖(tu)像(xiang)(xiang)(xiang)中(zhong)(zhong)以目(mu)標(biao)行(xing)(xing)坐(zuo)(zuo)(zuo)標(biao)為(wei)行(xing)(xing)坐(zuo)(zuo)(zuo)標(biao)且以目(mu)標(biao)列坐(zuo)(zuo)(zuo)標(biao)為(wei)列坐(zuo)(zuo)(zuo)標(biao)的(de)(de)(de)目(mu)標(biao)像(xiang)(xiang)(xiang)素的(de)(de)(de)像(xiang)(xiang)(xiang)素值(zhi)。由此，就可以計算(suan)得(de)到經過仿射變(bian)換(huan)后的(de)(de)(de)標(biao)準(zhun)化的(de)(de)(de)人手區域圖(tu)像(xiang)(xiang)(xiang)的(de)(de)(de)像(xiang)(xiang)(xiang)素分布。

使用上面的方(fang)法進行(xing)仿(fang)射變換(huan)時，由于目(mu)標(biao)圖像(xiang)的每一(yi)個(ge)(ge)(ge)像(xiang)素可(ke)(ke)能依賴于原圖像(xiang)中的多個(ge)(ge)(ge)像(xiang)素，并(bing)且(qie)原圖像(xiang)的每一(yi)個(ge)(ge)(ge)像(xiang)素可(ke)(ke)能影響到目(mu)標(biao)圖像(xiang)中的多個(ge)(ge)(ge)像(xiang)素，這些像(xiang)素難以在一(yi)個(ge)(ge)(ge)行(xing)緩沖中全部存(cun)儲。并(bing)且(qie)計算得出的目(mu)標(biao)行(xing)坐標(biao)、目(mu)標(biao)列坐標(biao)有(you)可(ke)(ke)能不(bu)是整(zheng)數(shu)，還需要(yao)進行(xing)插值(zhi)計算。針對于此，本發明(ming)提出了兩步變形方(fang)案(an)。

具體地(di)，可以對第一(yi)幀緩沖存(cun)(cun)儲器(qi)中保(bao)存(cun)(cun)的人手區(qu)域圖(tu)像(xiang)(xiang)逐列(lie)進(jin)(jin)行(xing)行(xing)變(bian)換(huan)，在行(xing)變(bian)換(huan)中，使用仿(fang)射變(bian)換(huan)矩陣對人手區(qu)域圖(tu)像(xiang)(xiang)中具有相(xiang)同(tong)原(yuan)(yuan)始列(lie)坐(zuo)標的一(yi)列(lie)原(yuan)(yuan)始像(xiang)(xiang)素進(jin)(jin)行(xing)行(xing)變(bian)換(huan)，得到中間(jian)圖(tu)像(xiang)(xiang)中具有相(xiang)同(tong)原(yuan)(yuan)始列(lie)坐(zuo)標和各個目標行(xing)坐(zuo)標的各中間(jian)像(xiang)(xiang)素的像(xiang)(xiang)素值，并(bing)將其(qi)寫入(ru)第二幀緩沖存(cun)(cun)儲器(qi)中，然后(hou)清空(kong)第一(yi)幀緩沖存(cun)(cun)儲器(qi)。至此(ci)，完成了(le)兩(liang)步變(bian)形(xing)方(fang)案(an)中的第一(yi)步，行(xing)變(bian)換(huan)。

對第(di)(di)二(er)(er)幀緩沖(chong)存(cun)(cun)儲(chu)器(qi)中(zhong)保存(cun)(cun)的(de)(de)人(ren)手(shou)區(qu)域圖(tu)(tu)像(xiang)(xiang)(xiang)逐行進(jin)行列(lie)變換(huan)(huan)，在(zai)列(lie)變換(huan)(huan)中(zhong)，從第(di)(di)一(yi)幀緩沖(chong)存(cun)(cun)儲(chu)器(qi)讀取人(ren)手(shou)區(qu)域圖(tu)(tu)像(xiang)(xiang)(xiang)的(de)(de)一(yi)行原(yuan)始像(xiang)(xiang)(xiang)素(su)，使用仿射變換(huan)(huan)矩陣(zhen)對中(zhong)間圖(tu)(tu)像(xiang)(xiang)(xiang)中(zhong)具有相(xiang)同目(mu)標(biao)(biao)行坐(zuo)標(biao)(biao)的(de)(de)一(yi)行中(zhong)間像(xiang)(xiang)(xiang)素(su)進(jin)行列(lie)變換(huan)(huan)，得到標(biao)(biao)準化(hua)的(de)(de)人(ren)手(shou)區(qu)域圖(tu)(tu)像(xiang)(xiang)(xiang)中(zhong)具有相(xiang)同目(mu)標(biao)(biao)行坐(zuo)標(biao)(biao)和(he)各個目(mu)標(biao)(biao)列(lie)坐(zuo)標(biao)(biao)的(de)(de)各目(mu)標(biao)(biao)像(xiang)(xiang)(xiang)素(su)的(de)(de)像(xiang)(xiang)(xiang)素(su)值，并(bing)將其寫入第(di)(di)一(yi)幀緩沖(chong)存(cun)(cun)儲(chu)器(qi)中(zhong)，清空第(di)(di)二(er)(er)幀緩沖(chong)存(cun)(cun)儲(chu)器(qi)。

由此，本(ben)發(fa)明將仿射變(bian)(bian)換步驟劃分為(wei)行變(bian)(bian)換和列(lie)變(bian)(bian)換兩(liang)步計算。行變(bian)(bian)形(xing)(xing)部(bu)分，數學(xue)表(biao)達式為(wei)t[u(x,y),y]＝i[x,y]，列(lie)變(bian)(bian)形(xing)(xing)部(bu)分，數學(xue)表(biao)達式為(wei)q[u,v]＝p[u,v(u,y)]＝t[u(x,y),y]，其中p,t為(wei)中間計算結果，本(ben)發(fa)明中的(de)(de)兩(liang)步變(bian)(bian)形(xing)(xing)框架很好地(di)避免(mian)了生(sheng)成(cheng)目標圖像時被(bei)迫多次讀取內存的(de)(de)帶寬瓶(ping)頸(jing)。

其中，本發(fa)明(ming)的(de)行(xing)變換(huan)中的(de)一(yi)行(xing)可以(yi)是(shi)具(ju)有同一(yi)橫坐(zuo)標的(de)行(xing)，也可以(yi)是(shi)具(ju)有同一(yi)縱坐(zuo)標的(de)列(lie)。相(xiang)應(ying)地，本發(fa)明(ming)的(de)列(lie)變換(huan)中的(de)一(yi)列(lie)可以(yi)是(shi)具(ju)有同一(yi)縱坐(zuo)標的(de)列(lie)，也可以(yi)是(shi)具(ju)有同一(yi)橫坐(zuo)標的(de)行(xing)。

在得到標(biao)準化的人手區(qu)域圖像(xiang)后，就可以(yi)將標(biao)準化的人手區(qu)域圖像(xiang)輸入手勢(shi)識(shi)(shi)別(bie)模(mo)型，以(yi)識(shi)(shi)別(bie)其所(suo)對應的手勢(shi)(步驟s260)。

作為(wei)本發(fa)明(ming)的(de)一(yi)(yi)個可選實施例(li)，在確定人手區域后，對(dui)于(yu)后續(xu)一(yi)(yi)幀(zhen)或多幀(zhen)輸入圖(tu)(tu)像(xiang)(xiang)來說，可以使用光流算(suan)法對(dui)上一(yi)(yi)幀(zhen)輸入圖(tu)(tu)像(xiang)(xiang)中(zhong)的(de)人手區域圖(tu)(tu)像(xiang)(xiang)進行跟蹤，以確定后續(xu)一(yi)(yi)幀(zhen)或多幀(zhen)輸入圖(tu)(tu)像(xiang)(xiang)中(zhong)的(de)人手區域圖(tu)(tu)像(xiang)(xiang)，這樣可以減(jian)少運算(suan)量(liang)。

具體來(lai)說，在確定(ding)人(ren)手(shou)(shou)區(qu)域(yu)(yu)后(hou)(hou)，可以計算后(hou)(hou)續(xu)一(yi)幀或(huo)多(duo)幀輸入圖像中對應于人(ren)手(shou)(shou)區(qu)域(yu)(yu)的圖像區(qu)域(yu)(yu)的光流特征值(zhi)，以確定(ding)后(hou)(hou)續(xu)一(yi)幀或(huo)多(duo)幀輸入圖像中的人(ren)手(shou)(shou)區(qu)域(yu)(yu)。

由此，本(ben)發明的(de)手勢識別方(fang)法可以在(zai)單幀(zhen)圖像內檢(jian)測人手的(de)位置，并形(xing)成(cheng)位置信(xin)息(xi)提供給后續(xu)(xu)幀(zhen)，使得(de)在(zai)后續(xu)(xu)幀(zhen)計算光(guang)流并跟(gen)蹤此區域，具有更(geng)快的(de)處理速(su)度。

另外，對于步驟s210的激活步驟來說(shuo)，在(zai)預定肢體動(dong)作為揮手(shou)動(dong)作時，可(ke)以利用光流算(suan)法快速檢測出人手(shou)所在(zai)位(wei)置，并在(zai)檢測到人手(shou)后快速跟蹤人手(shou)運動(dong)方向，這樣也減(jian)少運算(suan)量，從而(er)提高人手(shou)的定位(wei)速度。

作為本(ben)發(fa)明的(de)(de)另(ling)一個可(ke)選實施例，對于(yu)輸入圖(tu)像(xiang)(xiang)來(lai)說，還可(ke)以(yi)對輸入圖(tu)像(xiang)(xiang)進行(xing)多尺度縮放，以(yi)得(de)到不(bu)同尺度的(de)(de)輸入圖(tu)像(xiang)(xiang)，然后對不(bu)同尺度的(de)(de)輸入圖(tu)像(xiang)(xiang)執行(xing)本(ben)發(fa)明的(de)(de)手勢(shi)(shi)識別方法，以(yi)識別出不(bu)同尺度下的(de)(de)輸入圖(tu)像(xiang)(xiang)的(de)(de)手勢(shi)(shi)，這樣可(ke)以(yi)提高識別的(de)(de)準確度。

至此，結合(he)圖(tu)1、圖(tu)2詳細說(shuo)明了本(ben)發明的(de)手(shou)勢(shi)識別(bie)方(fang)法。圖(tu)3示(shi)出(chu)了根據本(ben)發明一實(shi)施例的(de)手(shou)勢(shi)識別(bie)系(xi)統(tong)的(de)結構的(de)示(shi)意性方(fang)框圖(tu)。其中，圖(tu)3所示(shi)的(de)手(shou)勢(shi)識別(bie)系(xi)統(tong)可以實(shi)現上文(wen)(wen)述及的(de)手(shou)勢(shi)識別(bie)方(fang)法，下面僅就(jiu)對象識別(bie)系(xi)統(tong)的(de)基(ji)本(ben)結構及功能進行說(shuo)明，對于其中涉(she)及的(de)細節部分(fen)可以參(can)見(jian)上文(wen)(wen)相關描述。

參(can)見(jian)圖3，本發明的手勢識別系統300包括存儲器310、cpu模(mo)(mo)塊(kuai)320以(yi)及fpga模(mo)(mo)塊(kuai)330。

存(cun)儲(chu)器310用于存(cun)儲(chu)輸入圖像。

cpu模塊320用于控制(zhi)fpga模塊330，并對輸(shu)(shu)入(ru)圖像進行亮(liang)度(du)和(he)色彩分(fen)析，以獲(huo)取輸(shu)(shu)入(ru)圖像中的潛在(zai)人(ren)手(shou)區域。

其中(zhong)，cpu模塊320可以選擇輸入圖像中(zhong)光(guang)流特(te)征絕對值大于預設(she)閾值且色彩(cai)屬于預設(she)膚色區間的(de)區域(yu)為潛在(zai)人手(shou)區域(yu)。

在(zai)(zai)確(que)定(ding)潛(qian)在(zai)(zai)人(ren)手區域(yu)后，cpu模塊320可(ke)以(yi)(yi)計算后續(xu)一幀或多幀輸入圖(tu)像中(zhong)對應于潛(qian)在(zai)(zai)人(ren)手區域(yu)的(de)圖(tu)像區域(yu)的(de)光流特征值，以(yi)(yi)確(que)定(ding)后續(xu)一幀或多幀輸入圖(tu)像中(zhong)的(de)潛(qian)在(zai)(zai)人(ren)手區域(yu)。

fpga模(mo)塊(kuai)330用(yong)于在(zai)其(qi)上實(shi)現人(ren)手(shou)識別(bie)(bie)(bie)(bie)模(mo)型(xing)和手(shou)勢識別(bie)(bie)(bie)(bie)模(mo)型(xing)。具體地，人(ren)手(shou)識別(bie)(bie)(bie)(bie)模(mo)型(xing)用(yong)于獲(huo)取輸入圖(tu)(tu)像(xiang)(xiang)中各個潛(qian)在(zai)人(ren)手(shou)區(qu)域(yu)(yu)屬于人(ren)手(shou)區(qu)域(yu)(yu)的(de)概率值(zhi)，以(yi)便選擇概率值(zhi)大(da)于預定閾值(zhi)的(de)潛(qian)在(zai)人(ren)手(shou)區(qu)域(yu)(yu)作為人(ren)手(shou)區(qu)域(yu)(yu)，并從(cong)輸入圖(tu)(tu)像(xiang)(xiang)中截取人(ren)手(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)，手(shou)勢識別(bie)(bie)(bie)(bie)模(mo)型(xing)用(yong)于從(cong)人(ren)手(shou)區(qu)域(yu)(yu)圖(tu)(tu)像(xiang)(xiang)中識別(bie)(bie)(bie)(bie)出對應的(de)手(shou)勢。

其中，人手(shou)識(shi)別模(mo)(mo)(mo)型和手(shou)勢識(shi)別模(mo)(mo)(mo)型可以(yi)均為卷積(ji)神(shen)(shen)經網(wang)絡模(mo)(mo)(mo)型，cpu模(mo)(mo)(mo)塊320還可以(yi)執(zhi)行卷積(ji)神(shen)(shen)經網(wang)絡模(mo)(mo)(mo)型的全連(lian)(lian)接層的運算。使(shi)用cpu模(mo)(mo)(mo)塊320計(ji)算得到(dao)的卷積(ji)神(shen)(shen)經網(wang)絡模(mo)(mo)(mo)型的全連(lian)(lian)接層的輸出(chu)可以(yi)是一個m+2k維(wei)向(xiang)量，其中m維(wei)子(zi)向(xiang)量的最(zui)大值所(suo)在的維(wei)度為m種不同手(shou)勢的索(suo)引，另外2k維(wei)子(zi)向(xiang)量為人手(shou)k個關鍵點的x軸和y軸坐標。

另外，cpu模(mo)塊(kuai)320在對輸(shu)入圖(tu)像(xiang)進(jin)行(xing)(xing)亮度(du)和色彩分(fen)析(xi)之前(qian)，還可以對輸(shu)入圖(tu)像(xiang)進(jin)行(xing)(xing)檢測，以確定用戶(hu)是否(fou)發出預定肢體(ti)動(dong)作(zuo)，在檢測到(dao)用戶(hu)發出預定肢體(ti)動(dong)作(zuo)的(de)情況下，cpu模(mo)塊(kuai)320再對輸(shu)入圖(tu)像(xiang)進(jin)行(xing)(xing)亮度(du)和色彩分(fen)析(xi)，并控(kong)制fpga模(mo)塊(kuai)，以從輸(shu)入圖(tu)像(xiang)中識別手勢。

如圖(tu)3所示(shi)，作(zuo)為(wei)本發(fa)明一個(ge)可選實施例，手(shou)勢識別系(xi)統300還(huan)可以包括圖(tu)中虛線框所示(shi)的幾何變換模塊340。

cpu模塊320可(ke)以根據人手區域的(de)(de)長寬(kuan)比例，計算該人手區域圖像到標準人手圖像的(de)(de)仿射變換矩陣。

幾何變(bian)(bian)換(huan)模塊(kuai)340可以使用(yong)仿射變(bian)(bian)換(huan)矩陣對人手區域(yu)圖像進行(xing)仿射變(bian)(bian)換(huan)，得到標準化的人手區域(yu)圖像。

這樣，手勢(shi)識別(bie)模型可以從標準(zhun)化的人手區域(yu)圖像中識別(bie)出對應的手勢(shi)。

圖(tu)4示出(chu)了幾何變換模(mo)塊340可以具有的功能模(mo)塊的示意性方框圖(tu)。

參見圖4，幾何變(bian)換模(mo)塊(kuai)340可(ke)以包括第一幀(zhen)緩(huan)沖存儲器341、一維行變(bian)形(xing)模(mo)塊(kuai)343、第二幀(zhen)緩(huan)沖存儲器345以及一維列變(bian)形(xing)模(mo)塊(kuai)347。

第一(yi)(yi)幀(zhen)緩沖(chong)(chong)存(cun)儲(chu)器341和第二幀(zhen)緩沖(chong)(chong)存(cun)儲(chu)器345分(fen)別(bie)用于保存(cun)一(yi)(yi)幀(zhen)圖像。

一維行變(bian)(bian)形模塊343用于對(dui)第一幀緩(huan)沖存儲器(qi)(qi)341中(zhong)(zhong)保存的人(ren)手(shou)區(qu)域圖(tu)像(xiang)逐(zhu)列進行行變(bian)(bian)換(huan)，在(zai)行變(bian)(bian)換(huan)中(zhong)(zhong)，使用仿射變(bian)(bian)換(huan)矩陣對(dui)人(ren)手(shou)區(qu)域圖(tu)像(xiang)中(zhong)(zhong)具有相同(tong)原(yuan)始(shi)列坐(zuo)標的一列原(yuan)始(shi)像(xiang)素(su)進行行變(bian)(bian)換(huan)，得(de)到中(zhong)(zhong)間圖(tu)像(xiang)中(zhong)(zhong)具有相同(tong)原(yuan)始(shi)列坐(zuo)標和各個(ge)目標行坐(zuo)標的各中(zhong)(zhong)間像(xiang)素(su)的像(xiang)素(su)值，并將其寫入第二幀緩(huan)沖存儲器(qi)(qi)345中(zhong)(zhong)。

一(yi)維列變(bian)(bian)形模(mo)塊347用(yong)于對第(di)二(er)幀緩(huan)沖存(cun)儲(chu)器(qi)(qi)345中保存(cun)的(de)(de)人手區域(yu)圖(tu)像(xiang)逐行(xing)進行(xing)列變(bian)(bian)換，在列變(bian)(bian)換中，從(cong)第(di)一(yi)幀緩(huan)沖存(cun)儲(chu)器(qi)(qi)341讀(du)取人手區域(yu)圖(tu)像(xiang)的(de)(de)一(yi)行(xing)原始像(xiang)素，使(shi)用(yong)仿射變(bian)(bian)換矩陣對中間(jian)圖(tu)像(xiang)中具(ju)有相同目(mu)標(biao)(biao)行(xing)坐標(biao)(biao)的(de)(de)一(yi)行(xing)中間(jian)像(xiang)素進行(xing)列變(bian)(bian)換，得(de)到對象標(biao)(biao)準化圖(tu)像(xiang)中具(ju)有相同目(mu)標(biao)(biao)行(xing)坐標(biao)(biao)和各個目(mu)標(biao)(biao)列坐標(biao)(biao)的(de)(de)各目(mu)標(biao)(biao)像(xiang)素的(de)(de)像(xiang)素值，并將其(qi)寫入第(di)一(yi)幀緩(huan)沖存(cun)儲(chu)器(qi)(qi)341中，

其中(zhong)(zhong)，在開始(shi)向(xiang)第二幀緩(huan)沖存(cun)儲器345中(zhong)(zhong)寫入中(zhong)(zhong)間像(xiang)素(su)(su)的像(xiang)素(su)(su)值之前，清(qing)(qing)空第二幀緩(huan)沖存(cun)儲器345，在開始(shi)向(xiang)第一幀緩(huan)沖存(cun)儲器341中(zhong)(zhong)寫入目標(biao)像(xiang)素(su)(su)的像(xiang)素(su)(su)值之前，清(qing)(qing)空第一幀緩(huan)沖存(cun)儲器341。

作為本發明一個可選實施(shi)例，fpga模塊(kuai)上還可以(yi)用(yong)于實現人(ren)(ren)(ren)(ren)(ren)臉識(shi)(shi)別(bie)模型(xing)和(he)(he)(he)/或人(ren)(ren)(ren)(ren)(ren)體(ti)識(shi)(shi)別(bie)模型(xing)，人(ren)(ren)(ren)(ren)(ren)臉識(shi)(shi)別(bie)模型(xing)和(he)(he)(he)/或人(ren)(ren)(ren)(ren)(ren)體(ti)識(shi)(shi)別(bie)模型(xing)用(yong)于識(shi)(shi)別(bie)出輸入圖像(xiang)中的人(ren)(ren)(ren)(ren)(ren)臉潛(qian)(qian)在區域(yu)和(he)(he)(he)/或人(ren)(ren)(ren)(ren)(ren)體(ti)潛(qian)(qian)在區域(yu)，cpu模塊(kuai)根據識(shi)(shi)別(bie)出的人(ren)(ren)(ren)(ren)(ren)臉潛(qian)(qian)在區域(yu)和(he)(he)(he)/或人(ren)(ren)(ren)(ren)(ren)體(ti)潛(qian)(qian)在區域(yu)，刪除處于不(bu)合理(li)范圍的潛(qian)(qian)在人(ren)(ren)(ren)(ren)(ren)手區域(yu)。

或者，cpu模塊基于(yu)預定(ding)的(de)算法，識別出輸入圖像中人(ren)臉(lian)潛在(zai)區域(yu)和/或人(ren)體潛在(zai)區域(yu)，并根(gen)據識別出的(de)人(ren)臉(lian)潛在(zai)區域(yu)和/或人(ren)體潛在(zai)區域(yu)，刪(shan)除處于(yu)不(bu)合理范圍的(de)潛在(zai)人(ren)手區域(yu)。

作(zuo)為本發(fa)明另一個可(ke)選實(shi)施例，cpu模(mo)塊(kuai)320還可(ke)以(yi)對輸(shu)(shu)(shu)入圖(tu)像進行多尺度(du)縮放，以(yi)得到不(bu)同(tong)(tong)尺度(du)的輸(shu)(shu)(shu)入圖(tu)像，并且對不(bu)同(tong)(tong)尺度(du)的輸(shu)(shu)(shu)入圖(tu)像進行亮度(du)和色彩分析，并控制fpga模(mo)塊(kuai)330，以(yi)從不(bu)同(tong)(tong)尺度(du)的輸(shu)(shu)(shu)入圖(tu)像中識別手勢。

上文中已經參考附(fu)圖詳細描述了(le)根據(ju)本發明的手勢(shi)識別方法和系統。

此(ci)外，根(gen)據(ju)本(ben)發(fa)(fa)明(ming)(ming)(ming)(ming)的(de)(de)(de)(de)方(fang)法(fa)還可(ke)以(yi)實(shi)(shi)現(xian)為(wei)一種(zhong)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)，該(gai)(gai)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)包(bao)括(kuo)用(yong)于執(zhi)行本(ben)發(fa)(fa)明(ming)(ming)(ming)(ming)的(de)(de)(de)(de)上(shang)述(shu)方(fang)法(fa)中限定的(de)(de)(de)(de)上(shang)述(shu)各步驟的(de)(de)(de)(de)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)代碼(ma)指令。或者(zhe)，根(gen)據(ju)本(ben)發(fa)(fa)明(ming)(ming)(ming)(ming)的(de)(de)(de)(de)方(fang)法(fa)還可(ke)以(yi)實(shi)(shi)現(xian)為(wei)一種(zhong)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)產品，該(gai)(gai)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)產品包(bao)括(kuo)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)可(ke)讀介質，在該(gai)(gai)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)可(ke)讀介質上(shang)存儲有(you)用(yong)于執(zhi)行本(ben)發(fa)(fa)明(ming)(ming)(ming)(ming)的(de)(de)(de)(de)上(shang)述(shu)方(fang)法(fa)中限定的(de)(de)(de)(de)上(shang)述(shu)功能的(de)(de)(de)(de)計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)程序(xu)。本(ben)領域(yu)技術(shu)人員(yuan)還將明(ming)(ming)(ming)(ming)白的(de)(de)(de)(de)是，結合這里的(de)(de)(de)(de)公開所描述(shu)的(de)(de)(de)(de)各種(zhong)示例性邏(luo)輯塊、模塊、電(dian)路和算(suan)(suan)法(fa)步驟可(ke)以(yi)被實(shi)(shi)現(xian)為(wei)電(dian)子(zi)硬件、計(ji)(ji)(ji)(ji)算(suan)(suan)機(ji)(ji)軟件或兩者(zhe)的(de)(de)(de)(de)組合。

附圖中(zhong)(zhong)的(de)(de)(de)(de)(de)(de)流(liu)程(cheng)圖和(he)框(kuang)圖顯(xian)示(shi)了(le)根據本發明的(de)(de)(de)(de)(de)(de)多(duo)個(ge)(ge)實施例(li)的(de)(de)(de)(de)(de)(de)系(xi)統(tong)和(he)方(fang)法的(de)(de)(de)(de)(de)(de)可能(neng)實現(xian)的(de)(de)(de)(de)(de)(de)體系(xi)架構、功(gong)能(neng)和(he)操作(zuo)。在這點上，流(liu)程(cheng)圖或(huo)框(kuang)圖中(zhong)(zhong)的(de)(de)(de)(de)(de)(de)每個(ge)(ge)方(fang)框(kuang)可以(yi)(yi)(yi)代(dai)(dai)(dai)表一個(ge)(ge)模塊(kuai)、程(cheng)序(xu)段或(huo)代(dai)(dai)(dai)碼的(de)(de)(de)(de)(de)(de)一部(bu)分，所述(shu)模塊(kuai)、程(cheng)序(xu)段或(huo)代(dai)(dai)(dai)碼的(de)(de)(de)(de)(de)(de)一部(bu)分包(bao)含一個(ge)(ge)或(huo)多(duo)個(ge)(ge)用(yong)于實現(xian)規定(ding)的(de)(de)(de)(de)(de)(de)邏(luo)輯功(gong)能(neng)的(de)(de)(de)(de)(de)(de)可執(zhi)行(xing)指令。也(ye)(ye)應當注(zhu)意，在有些作(zuo)為替換的(de)(de)(de)(de)(de)(de)實現(xian)中(zhong)(zhong)，方(fang)框(kuang)中(zhong)(zhong)所標記的(de)(de)(de)(de)(de)(de)功(gong)能(neng)也(ye)(ye)可以(yi)(yi)(yi)以(yi)(yi)(yi)不同于附圖中(zhong)(zhong)所標記的(de)(de)(de)(de)(de)(de)順序(xu)發生。例(li)如，兩(liang)個(ge)(ge)連(lian)續的(de)(de)(de)(de)(de)(de)方(fang)框(kuang)實際上可以(yi)(yi)(yi)基本并(bing)行(xing)地(di)執(zhi)行(xing)，它們有時也(ye)(ye)可以(yi)(yi)(yi)按(an)相反的(de)(de)(de)(de)(de)(de)順序(xu)執(zhi)行(xing)，這依所涉(she)及(ji)的(de)(de)(de)(de)(de)(de)功(gong)能(neng)而定(ding)。也(ye)(ye)要(yao)注(zhu)意的(de)(de)(de)(de)(de)(de)是，框(kuang)圖和(he)/或(huo)流(liu)程(cheng)圖中(zhong)(zhong)的(de)(de)(de)(de)(de)(de)每個(ge)(ge)方(fang)框(kuang)、以(yi)(yi)(yi)及(ji)框(kuang)圖和(he)/或(huo)流(liu)程(cheng)圖中(zhong)(zhong)的(de)(de)(de)(de)(de)(de)方(fang)框(kuang)的(de)(de)(de)(de)(de)(de)組(zu)(zu)合(he)，可以(yi)(yi)(yi)用(yong)執(zhi)行(xing)規定(ding)的(de)(de)(de)(de)(de)(de)功(gong)能(neng)或(huo)操作(zuo)的(de)(de)(de)(de)(de)(de)專用(yong)的(de)(de)(de)(de)(de)(de)基于硬(ying)件的(de)(de)(de)(de)(de)(de)系(xi)統(tong)來實現(xian)，或(huo)者可以(yi)(yi)(yi)用(yong)專用(yong)硬(ying)件與計算機指令的(de)(de)(de)(de)(de)(de)組(zu)(zu)合(he)來實現(xian)。

以上(shang)(shang)已經描述了本發明的(de)(de)各(ge)實施(shi)例(li)(li)(li)，上(shang)(shang)述說(shuo)明是示例(li)(li)(li)性的(de)(de)，并非窮盡(jin)性的(de)(de)，并且也不限于(yu)所(suo)(suo)披(pi)露(lu)的(de)(de)各(ge)實施(shi)例(li)(li)(li)。在不偏離所(suo)(suo)說(shuo)明的(de)(de)各(ge)實施(shi)例(li)(li)(li)的(de)(de)范圍和精神的(de)(de)情況下(xia)，對(dui)于(yu)本技術(shu)領(ling)域的(de)(de)普通(tong)技術(shu)人(ren)員來說(shuo)許多修改和變更都是顯(xian)而易(yi)見的(de)(de)。本文(wen)中(zhong)(zhong)所(suo)(suo)用(yong)術(shu)語的(de)(de)選(xuan)擇，旨在最(zui)好地解釋各(ge)實施(shi)例(li)(li)(li)的(de)(de)原理、實際應(ying)用(yong)或(huo)(huo)對(dui)市場中(zhong)(zhong)的(de)(de)技術(shu)的(de)(de)改進，或(huo)(huo)者(zhe)使本技術(shu)領(ling)域的(de)(de)其它普通(tong)技術(shu)人(ren)員能理解本文(wen)披(pi)露(lu)的(de)(de)各(ge)實施(shi)例(li)(li)(li)。