1.一种静态手势识别方法,其特征在于,应用于电子设备,所述方法包括:对待识别的静态手势图像进行手势分割,得到手势分割图像,所述静态手势图像包括深度图像和彩色图像;
计算所述手势分割图像的积分图像,并根据积分图像构建所述手势分割图像对应的尺度空间;
在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点,并从查找到的所有极值点中筛选目标特征点;
提取所述目标特征点的特征值,并基于Hu不变矩算法对所述目标特征点的特征值进行识别,以得到静态手势识别结果。
2.根据权利要求1所述的静态手势识别方法,其特征在于,所述对待识别的静态手势图像进行手势分割,得到手势分割图像的步骤,包括:基于灰度直方图对所述深度图像进行图像分割,得到针对所述深度图像的第一手势分割结果;
基于所述第一手势分割结果对所述彩色图像进行图像分割,得到针对所述彩色图像的第二手势分割结果;
将所述第一手势分割结果和所述第二手势分割结果进行融合,得到手势分割图像。
3.根据权利要求2所述的静态手势识别方法,其特征在于,所述基于灰度直方图对所述深度图像进行图像分割,得到针对所述深度图像的第一手势分割结果的步骤,包括:对所述深度图像进行灰度阈值化分割,得到静态手势的二值图像,所述二值图像作为所述第一手势分割结果。
4.根据权利要求3所述的静态手势识别方法,其特征在于,所述基于所述第一手势分割结果对所述彩色图像进行图像分割,得到针对所述彩色图像的第二手势分割结果的步骤,包括:根据所述二值图像计算静态手势的最小外接矩形并获取所述外接矩形的二维坐标,将所述二维坐标映射到对应的彩色图像中,得到包括所述静态手势的最小外接矩形;
对所述最小外接矩形进行肤色分割,得到最小外接矩形的肤色二值图像;
通过所述二值图像和所述肤色二值图像从所述彩色图像中分割出第二手势分割结果。
5.根据权利要求1所述的静态手势识别方法,其特征在于,所述在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点,并从查找到的所有极值点中筛选目标特征点的步骤,包括:在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点;
从所述所有极值点中查找目标尺度下的目标极值点;
对所述目标极值点进行三维立体邻域的非极大值抑制处理,得到局部极值点的定位信息;
基于局部极值点的定位信息对每个特征点进行特征符描述,得到每个特征点的特征向量;
计算每个特征向量对应的SURF相似性测度和欧氏距离相似性测度,得到初步特征点筛选结果;
根据计算得到的每个特征点的特征向量的欧氏距离对特征点进行排序,选择排名靠前的至少两组特征点作为基准点;
计算除所述基准点外的所有特征点到每个基准点的距离,以及除所述基准点外的所有特征点与每个基准点之间的夹角;
根据所述距离和所述夹角从查找到的所有极值点中筛选目标特征点。
6.根据权利要求1所述的静态手势识别方法,其特征在于,所述基于Hu不变矩算法对所述目标特征点的特征值进行识别的步骤,包括:采用Hu不变矩算法将所述目标特征点的特征值转化为Hu矩特征值;
通过转化后的Hu矩特征值对所述目标特征点的特征值进行识别,以得到静态手势识别结果。
7.一种静态手势识别装置,其特征在于,应用于电子设备,所述装置包括:手势分割模块,用于对待识别的静态手势图像进行手势分割,得到手势分割图像,所述静态手势图像包括深度图像和彩色图像;
构建模块,用于计算所述手势分割图像的积分图像,并根据积分图像构建所述手势分割图像对应的尺度空间;
查找模块,用于在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点,并从查找到的所有极值点中筛选目标特征点;
识别模块,用于提取所述目标特征点的特征值,并基于Hu不变矩算法对所述目标特征点的特征值进行识别,以得到静态手势识别结果。
8.根据权利要求7所述的静态手势识别装置,其特征在于,所述在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点,并从查找到的所有极值点中筛选目标特征点的方式,包括:在所述尺度空间中查找符合基于Hessian矩阵的极值点的判定条件的所有极值点;
从所述所有极值点中查找目标尺度下的目标极值点;
对所述目标极值点进行三维立体邻域的非极大值抑制处理,得到局部极值点的定位信息;
基于局部极值点的定位信息对每个特征点进行特征符描述,得到每个特征点的特征向量;
计算每个特征向量对应的SURF相似性测度和欧氏距离相似性测度,得到初步特征点筛选结果;
根据计算得到的每个特征点的特征向量的欧氏距离对特征点进行排序,选择排名靠前的至少两组特征点作为基准点;
计算除所述基准点外的所有特征点到每个基准点的距离,以及除所述基准点外的所有特征点与每个基准点之间的夹角;
根据所述距离和所述夹角从查找到的所有极值点中筛选目标特征点。
9.根据权利要求7所述的静态手势识别装置,其特征在于,所述基于Hu不变矩算法对所述目标特征点的特征值进行识别的方式,包括:采用Hu不变矩算法将所述目标特征点的特征值转化为Hu矩特征值;
通过转化后的Hu矩特征值对所述目标特征点的特征值进行识别,以得到静态手势识别结果。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序被执行时实现权利要求1-6中任意一项所述的静态手势识别方法。