基于視覺的手勢(shì)識(shí)別專利技術(shù)綜述

摘 要：基于視覺的手勢(shì)識(shí)別系統(tǒng)能夠使操作者徒手以更加自然的方式進(jìn)行人機(jī)交互，無(wú)需設(shè)備費(fèi)用，且操作方便，是手勢(shì)識(shí)別未來(lái)的發(fā)展趨勢(shì)。本文從專利的角度出發(fā)，分析了該項(xiàng)技術(shù)專利申請(qǐng)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(shì);識(shí)別;交互;專利

一、引言

人機(jī)交互是手勢(shì)識(shí)別成功應(yīng)用的一個(gè)重要領(lǐng)域，其在對(duì)機(jī)器人的控制、汽車駕駛、操縱圖形對(duì)象等場(chǎng)景中都有豐富的應(yīng)用。最初的手勢(shì)識(shí)別主要是利用機(jī)器設(shè)備的直接檢測(cè)來(lái)獲取人手與各個(gè)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(shì)識(shí)別的準(zhǔn)確度和穩(wěn)定性得以提高，但卻掩蓋了手勢(shì)自然的表達(dá)方式，為此，基于視覺的手勢(shì)識(shí)別方式應(yīng)運(yùn)而生?；谝曈X的手勢(shì)識(shí)別系統(tǒng)，相比于穿戴設(shè)備手勢(shì)識(shí)別系統(tǒng)，其能夠使操作者徒手以更加自然的方式進(jìn)行人機(jī)交互，這種方法不但不需要花費(fèi)高昂的設(shè)備費(fèi)用，而且在操作時(shí)也更加方便，是手勢(shì)識(shí)別未來(lái)的發(fā)展趨勢(shì)。

二、專利技術(shù)發(fā)展?fàn)顩r分析

（一）專利申請(qǐng)量趨勢(shì)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(shì)識(shí)別的專利申請(qǐng)，而中國(guó)國(guó)內(nèi)最早的關(guān)于視覺手勢(shì)識(shí)別的專利申請(qǐng)則出現(xiàn)于2000年?？傮w看來(lái)國(guó)內(nèi)外關(guān)于視覺手勢(shì)識(shí)別的專利申請(qǐng)數(shù)量大致呈現(xiàn)增長(zhǎng)趨勢(shì)：在1997-2007年期間，全球?qū)＠暾?qǐng)量呈現(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(shì)采集設(shè)備和計(jì)算機(jī)視覺發(fā)展的限制;自2008年之后進(jìn)入迅猛增長(zhǎng)期，在2016年專利申請(qǐng)量達(dá)到545件（注：由于專利公開需要18個(gè)月的時(shí)間，2017-2018年期間提出的部分專利申請(qǐng)尚未公布，因此雖然檢索到的2017-2018年期間的專利申請(qǐng)數(shù)量相較于2016年有所減少，但不能說(shuō)明專利申請(qǐng)數(shù)量在下降）;與此同時(shí)，中國(guó)的專利申請(qǐng)數(shù)量與全球趨勢(shì)大致相同，在2000-2009年處于較平穩(wěn)的狀態(tài)，自2010年之后進(jìn)入迅猛增長(zhǎng)期，在2016年專利申請(qǐng)量達(dá)到315件。從圖1的發(fā)展趨勢(shì)看來(lái)，基于視覺的手勢(shì)識(shí)別在未來(lái)幾年仍然會(huì)處于快速發(fā)展期。

圖2為全球范圍內(nèi)視覺手勢(shì)識(shí)別的專利申請(qǐng)量地域分布情況，從圖中可以看出，專利申請(qǐng)量較多的國(guó)家為中國(guó)、美國(guó)、日本和韓國(guó)。結(jié)合圖1和2可以看出，雖然中國(guó)在視覺手勢(shì)識(shí)別方面的發(fā)展較晚，但發(fā)展迅速，一方面是因?yàn)橹袊?guó)經(jīng)濟(jì)的迅速發(fā)展，國(guó)內(nèi)各企業(yè)和研發(fā)機(jī)構(gòu)的科研力度加大，專利申請(qǐng)的數(shù)量也隨之大幅上升;另一方面則是因?yàn)閲?guó)內(nèi)各企業(yè)和研發(fā)機(jī)構(gòu)的專利意識(shí)加強(qiáng)，積極申請(qǐng)專利以保護(hù)各種新技術(shù)。

（二）專利技術(shù)發(fā)展路線

基于視覺的手勢(shì)識(shí)別技術(shù)的發(fā)展是一個(gè)從二維到三維的過程。早期的手勢(shì)識(shí)別是基于二維彩色圖像的識(shí)別技術(shù)，就是指通過普通攝像頭拍出場(chǎng)景后，得到二維的靜態(tài)圖像，然后再通過計(jì)算機(jī)圖形算法進(jìn)行圖像中內(nèi)容的識(shí)別。隨著攝像頭和傳感器技術(shù)的發(fā)展，可以捕捉到手勢(shì)的深度信息，三維的手勢(shì)識(shí)別技術(shù)就可以識(shí)別各種手型、手勢(shì)和動(dòng)作。隨著這個(gè)發(fā)展脈絡(luò)，基于視覺的手勢(shì)識(shí)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(shí)別，也稱靜態(tài)二維手勢(shì)識(shí)別，只能識(shí)別出幾個(gè)靜態(tài)的手勢(shì)動(dòng)作，比如握拳或者五指張開。這種技術(shù)只能識(shí)別手勢(shì)的狀態(tài)，而不能感知手勢(shì)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(duì)圖像進(jìn)行手勢(shì)分割，利用通過計(jì)算機(jī)視覺算法分析圖像，和預(yù)設(shè)的圖像模型進(jìn)行比對(duì)，從而理解手勢(shì)的含義。因此，二維手型識(shí)別技術(shù)只可以識(shí)別預(yù)設(shè)好的狀態(tài)，拓展性差、控制感較弱，用戶只能實(shí)現(xiàn)最基礎(chǔ)的人機(jī)交互功能。

二維手勢(shì)識(shí)別，仍停留在二維的層面上，比起二維手型識(shí)別，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)著攝像頭揮揮手等。二維手勢(shì)識(shí)別擁有了動(dòng)態(tài)的特征，可追蹤手勢(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。這種技術(shù)在硬件要求上和二維手型識(shí)別并無(wú)區(qū)別，但得益于更加先進(jìn)的計(jì)算機(jī)視覺算法，基于手部的運(yùn)動(dòng)信息進(jìn)行手勢(shì)分割，可以獲得更加豐富的人機(jī)交互內(nèi)容。

三維手勢(shì)識(shí)別，相較于二維手勢(shì)識(shí)別，其增加了一個(gè)Z軸的信息，可識(shí)別各種手型、手勢(shì)和動(dòng)作。這種包含一定深度信息的手勢(shì)識(shí)別，需要特別的硬件來(lái)實(shí)現(xiàn)，常見的有通過傳感器和光學(xué)攝像頭來(lái)完成。發(fā)展至今，主要有3種硬件實(shí)現(xiàn)方式：結(jié)構(gòu)光，即通過激光的折射以及算法計(jì)算出物體的位置和深度信息，進(jìn)而復(fù)原整個(gè)三維空間;飛行時(shí)間，對(duì)目標(biāo)場(chǎng)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(cè)光脈沖的飛行時(shí)間得到目標(biāo)物體的深度信息;多角成像，使用兩個(gè)或者兩個(gè)以上的攝像頭同時(shí)采集圖像，通過比對(duì)不同攝像頭在同一時(shí)刻獲得的圖像的差別，使用算法來(lái)計(jì)算深度信息。

三、結(jié)語(yǔ)

本文結(jié)合國(guó)內(nèi)外專利申請(qǐng)的狀態(tài)對(duì)基于視覺的手勢(shì)識(shí)別技術(shù)的發(fā)展歷程進(jìn)行了回顧，由最初只能通過簡(jiǎn)單的模板匹配識(shí)別二維的手型，發(fā)展到基于三維手勢(shì)的交互方式。在未來(lái)的幾年內(nèi)，基于視覺的手勢(shì)識(shí)別將更加豐富于人們的生活，帶來(lái)無(wú)限的便利。

作者簡(jiǎn)介：

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