基于視覺的手勢識別專利技術(shù)綜述

摘 要：基于視覺的手勢識別系統(tǒng)能夠使操作者徒手以更加自然的方式進行人機交互，無需設(shè)備費用，且操作方便，是手勢識別未來的發(fā)展趨勢。本文從專利的角度出發(fā)，分析了該項技術(shù)專利申請的年代、地域分布情況以及技術(shù)發(fā)展路線。

關(guān)鍵詞：視覺手勢;識別;交互;專利

一、引言

人機交互是手勢識別成功應(yīng)用的一個重要領(lǐng)域，其在對機器人的控制、汽車駕駛、操縱圖形對象等場景中都有豐富的應(yīng)用。最初的手勢識別主要是利用機器設(shè)備的直接檢測來獲取人手與各個關(guān)節(jié)的空間信息，其典型代表設(shè)備如數(shù)據(jù)手套等。

外部設(shè)備的介入雖使得手勢識別的準(zhǔn)確度和穩(wěn)定性得以提高，但卻掩蓋了手勢自然的表達方式，為此，基于視覺的手勢識別方式應(yīng)運而生?；谝曈X的手勢識別系統(tǒng)，相比于穿戴設(shè)備手勢識別系統(tǒng)，其能夠使操作者徒手以更加自然的方式進行人機交互，這種方法不但不需要花費高昂的設(shè)備費用，而且在操作時也更加方便，是手勢識別未來的發(fā)展趨勢。

二、專利技術(shù)發(fā)展?fàn)顩r分析

（一）專利申請量趨勢及地域分布

如圖1所示，早在20世紀(jì)90年代就出現(xiàn)了視覺手勢識別的專利申請，而中國國內(nèi)最早的關(guān)于視覺手勢識別的專利申請則出現(xiàn)于2000年?？傮w看來國內(nèi)外關(guān)于視覺手勢識別的專利申請數(shù)量大致呈現(xiàn)增長趨勢：在1997-2007年期間，全球?qū)＠暾埩砍尸F(xiàn)較平穩(wěn)的狀態(tài)，其中，在2003-2006年期間有所下降，其原因可能是受到手勢采集設(shè)備和計算機視覺發(fā)展的限制;自2008年之后進入迅猛增長期，在2016年專利申請量達到545件（注：由于專利公開需要18個月的時間，2017-2018年期間提出的部分專利申請尚未公布，因此雖然檢索到的2017-2018年期間的專利申請數(shù)量相較于2016年有所減少，但不能說明專利申請數(shù)量在下降）;與此同時，中國的專利申請數(shù)量與全球趨勢大致相同，在2000-2009年處于較平穩(wěn)的狀態(tài)，自2010年之后進入迅猛增長期，在2016年專利申請量達到315件。從圖1的發(fā)展趨勢看來，基于視覺的手勢識別在未來幾年仍然會處于快速發(fā)展期。

圖2為全球范圍內(nèi)視覺手勢識別的專利申請量地域分布情況，從圖中可以看出，專利申請量較多的國家為中國、美國、日本和韓國。結(jié)合圖1和2可以看出，雖然中國在視覺手勢識別方面的發(fā)展較晚，但發(fā)展迅速，一方面是因為中國經(jīng)濟的迅速發(fā)展，國內(nèi)各企業(yè)和研發(fā)機構(gòu)的科研力度加大，專利申請的數(shù)量也隨之大幅上升;另一方面則是因為國內(nèi)各企業(yè)和研發(fā)機構(gòu)的專利意識加強，積極申請專利以保護各種新技術(shù)。

（二）專利技術(shù)發(fā)展路線

基于視覺的手勢識別技術(shù)的發(fā)展是一個從二維到三維的過程。早期的手勢識別是基于二維彩色圖像的識別技術(shù)，就是指通過普通攝像頭拍出場景后，得到二維的靜態(tài)圖像，然后再通過計算機圖形算法進行圖像中內(nèi)容的識別。隨著攝像頭和傳感器技術(shù)的發(fā)展，可以捕捉到手勢的深度信息，三維的手勢識別技術(shù)就可以識別各種手型、手勢和動作。隨著這個發(fā)展脈絡(luò)，基于視覺的手勢識別的關(guān)鍵技術(shù)也發(fā)生了變化，如圖3所示。

二維手型識別，也稱靜態(tài)二維手勢識別，只能識別出幾個靜態(tài)的手勢動作，比如握拳或者五指張開。這種技術(shù)只能識別手勢的狀態(tài)，而不能感知手勢的持續(xù)變化，采用的是模板匹配技術(shù)，基于徒手表觀特征（例如膚色）對圖像進行手勢分割，利用通過計算機視覺算法分析圖像，和預(yù)設(shè)的圖像模型進行比對，從而理解手勢的含義。因此，二維手型識別技術(shù)只可以識別預(yù)設(shè)好的狀態(tài)，拓展性差、控制感較弱，用戶只能實現(xiàn)最基礎(chǔ)的人機交互功能。

二維手勢識別，仍停留在二維的層面上，比起二維手型識別，不僅可以識別手型，還可以識別一些簡單的二維手勢動作，比如對著攝像頭揮揮手等。二維手勢識別擁有了動態(tài)的特征，可追蹤手勢的運動，進而識別將手勢和手部運動結(jié)合在一起的復(fù)雜動作。這種技術(shù)在硬件要求上和二維手型識別并無區(qū)別，但得益于更加先進的計算機視覺算法，基于手部的運動信息進行手勢分割，可以獲得更加豐富的人機交互內(nèi)容。

三維手勢識別，相較于二維手勢識別，其增加了一個Z軸的信息，可識別各種手型、手勢和動作。這種包含一定深度信息的手勢識別，需要特別的硬件來實現(xiàn)，常見的有通過傳感器和光學(xué)攝像頭來完成。發(fā)展至今，主要有3種硬件實現(xiàn)方式：結(jié)構(gòu)光，即通過激光的折射以及算法計算出物體的位置和深度信息，進而復(fù)原整個三維空間;飛行時間，對目標(biāo)場景發(fā)射連續(xù)的光脈沖，然后用傳感器接收從物體返回的光，通過探測光脈沖的飛行時間得到目標(biāo)物體的深度信息;多角成像，使用兩個或者兩個以上的攝像頭同時采集圖像，通過比對不同攝像頭在同一時刻獲得的圖像的差別，使用算法來計算深度信息。

三、結(jié)語

本文結(jié)合國內(nèi)外專利申請的狀態(tài)對基于視覺的手勢識別技術(shù)的發(fā)展歷程進行了回顧，由最初只能通過簡單的模板匹配識別二維的手型，發(fā)展到基于三維手勢的交互方式。在未來的幾年內(nèi)，基于視覺的手勢識別將更加豐富于人們的生活，帶來無限的便利。

作者簡介：

王晨霞（1990-），女，籍貫：浙江嘉興，職稱和學(xué)歷：研究實習(xí)員，工學(xué)碩士，研究方向或?qū)I(yè)：人機交互領(lǐng)域?qū)＠麑彶椤?/p>