本發(fā)明涉及虛擬現(xiàn)實領域，特別是涉及一種基于動態(tài)手勢的vr交互方法、裝置及電子設備。

背景技術(shù)：

vr(virtualreality，虛擬現(xiàn)實)技術(shù)是利用電腦技術(shù)模擬產(chǎn)生一個三維空間的虛擬世界，提供使用者關(guān)于視覺、聽覺、觸覺等感官的模擬，讓使用者如同身臨其境一般，可以及時、沒有限制地觀察三維空間內(nèi)的事物。

其中，vr技術(shù)中的人機交互指以有效的方式實現(xiàn)人與計算機輸入、輸出設備產(chǎn)生的虛擬世界實現(xiàn)對話的技術(shù)。具體的，vr技術(shù)中的人機交互的交互形式包括但不局限于外設、語音、動態(tài)手勢等形式。

傳統(tǒng)的基于指向和單擊構(gòu)成的動態(tài)手勢的vr交互方法(即vr技術(shù)中的人機交互)中，在識別動態(tài)手勢時，為了判斷出每個手勢的起點和終點，需要通過對視頻幀重復分析來尋找動態(tài)手勢的全過程，例如，現(xiàn)有技術(shù)中，對于包含動態(tài)手勢的視頻序列進行動態(tài)手勢的識別的過程中，通過以選取的幀窗口來對幀窗口大小數(shù)量的視頻幀進行分析，當一個包含動態(tài)手勢的視頻幀在第5幀為動態(tài)手勢的開始時刻，第15幀為動態(tài)手勢的結(jié)束時刻，整個視頻序列為25幀，幀窗口大小為20時，對幀的分析的過程依次可以為1-20幀、2-21幀、3-22幀、4-25幀進行識別，在識別過程中包含部分動態(tài)手勢的幀的過程都可以識別到動態(tài)手勢，但是不能確定到在哪一幀進行動態(tài)手勢的觸發(fā)，同樣的，也不能確定動態(tài)手勢的結(jié)束時刻，從而需要對視頻幀重復分析。

因此，現(xiàn)有技術(shù)中，在識別動態(tài)手勢中不能快速地且精準地確定出動態(tài)手勢開始時刻的視頻幀和結(jié)束時刻的視頻幀，最終導致vr交互的響應速度和精準度較低。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例的目的在于提供一種基于動態(tài)手勢的vr交互方法、裝置及電子設備，以提高vr交互的響應速度和精準度。具體技術(shù)方案如下：

為達到上述目的，本發(fā)明實施例提供了一種基于動態(tài)手勢的vr交互方法，所述方法包括：

持續(xù)獲取由vr設備采集的雙目視頻幀；

從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；

識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；

當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述執(zhí)行與所述動態(tài)手勢對應的響應操作的步驟，包括：

確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；

根據(jù)所述食指區(qū)域，確定食指的指向直線；

將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點；

在所述交互點上響應單擊操作。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，其特征在于，所述從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域的步驟，包括：

針對所獲取的每個雙目視頻幀的第一目視頻幀，對該第一目視頻幀進行灰度化轉(zhuǎn)換，并對灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像；

提取所得到的各個二值化處理的圖像中的手型區(qū)域。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果的步驟，包括：

提取各個手型區(qū)域的方向梯度直方圖hog特征；

將各個手型區(qū)域的方向梯度直方圖hog特征分別輸入預先訓練的支持向量機svm模型，得到各個手型區(qū)域所對應的靜態(tài)手勢識別結(jié)果，其中，所述支持向量機svm模型以包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征作為輸入內(nèi)容，以所述樣本視頻幀所包含的單擊或指向的靜態(tài)手勢作為輸出內(nèi)容訓練所得。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述確定目標手型區(qū)域中的食指區(qū)域的步驟，包括：

以手型區(qū)域外包矩形的邊為坐標軸進行y軸上的手型區(qū)域的直方圖投影，通過對投影的直方圖進行閾值處得到手型的食指區(qū)域，所述y軸為沿手指的高度方向。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述根據(jù)所述食指區(qū)域，確定食指的指向直線的步驟，包括：

對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)，其中，所述目標視頻幀為目標雙目視頻幀中的另一目視頻幀，所述目標雙目視頻幀為包含所述食指區(qū)域所在第一目視頻幀的雙目視頻幀；

將所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)進行線性擬合，得到食指的指向直線。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)的步驟，包括：

對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值；

根據(jù)所述第一視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述根據(jù)所述第一視差和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)的步驟，包括：

將所述食指區(qū)域和目標視頻幀擴大預定倍數(shù)；

在擴大預定倍數(shù)后，以所述第一視差值為基礎，對當前食指區(qū)域和當前目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素點進行亞像素級別的立體匹配，得到第二視差值；

根據(jù)所述第二視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

本發(fā)明實施例還提供了一種基于動態(tài)手勢的vr交互裝置，包括：

獲取模塊，用于持續(xù)獲取由vr設備采集的雙目視頻幀；

提取模塊，用于從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；

識別模塊，識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；

確定模塊，用于當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并觸發(fā)執(zhí)行模塊；

所述執(zhí)行模塊，用于執(zhí)行與所述動態(tài)手勢對應的響應操作。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述執(zhí)行模塊，包括：

第一確定子模塊，用于確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；

第二確定子模塊，用于根據(jù)所述食指區(qū)域，確定食指的指向直線；

第三確定子模塊，用于將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點；

響應子模塊，用于在所述交互點上響應單擊操作。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述提取模塊，包括：

第四確定子模塊，用于針對所獲取的每個雙目視頻幀的第一目視頻幀，對該第一目視頻幀進行灰度化轉(zhuǎn)換，并對灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像；

第一提取子模塊，用于提取所得到的各個二值化處理的圖像中的手型區(qū)域。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述識別模塊，包括：

特征提取子模塊，用于提取各個手型區(qū)域的方向梯度直方圖hog特征；

第五確定子模塊，用于將各個手型區(qū)域的方向梯度直方圖hog特征分別輸入預先訓練的支持向量機svm模型，得到各個手型區(qū)域所對應的靜態(tài)手勢識別結(jié)果，其中，所述支持向量機svm模型以包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征作為輸入內(nèi)容，以所述樣本視頻幀所包含的單擊或指向的靜態(tài)手勢作為輸出內(nèi)容訓練所得。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述第一確定子模塊，包括：

第一確定單元，用于以手型區(qū)域外包矩形的邊為坐標軸進行y軸上的手型區(qū)域的直方圖投影，通過對投影的直方圖進行閾值處得到手型的食指區(qū)域，所述y軸為沿手指的高度方向。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述第二確定子模塊，包括：

第二確定單元，用于對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)，其中，所述目標視頻幀為目標雙目視頻幀中的另一目視頻幀，所述目標雙目視頻幀為包含所述食指區(qū)域所在第一目視頻幀的雙目視頻幀；

第三確定單元，用于將所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)進行線性擬合，得到食指的指向直線。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述第二確定單元，包括：

第一確定子單元，用于對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值；

第二確定子單元，用于根據(jù)所述第一視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

在本發(fā)明實施例提供的一種實現(xiàn)方式中，所述第二確定子單元，具體用于：

將所述食指區(qū)域和目標視頻幀擴大預定倍數(shù)；

在擴大預定倍數(shù)后，以所述第一視差值為基礎，對當前食指區(qū)域和當前目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素點進行亞像素級別的立體匹配，得到第二視差值；

根據(jù)所述第二視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

本發(fā)明實施例還提供了一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

存儲器，用于存放計算機程序；

處理器，用于執(zhí)行存儲器上所存放的程序時，實現(xiàn)權(quán)利要求1-8任一所述的方法步驟。在本發(fā)明實施的又一方面，還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述任一所述的一種基于動態(tài)手勢的vr交互方法。

在本發(fā)明實施的又一方面，還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述任一所述的一種基于動態(tài)手勢的vr交互方法。

在本發(fā)明實施的又一方面，本發(fā)明實施例還提供了一種包含指令的計算機程序產(chǎn)品，當其在計算機上運行時，使得計算機執(zhí)行上述任一所述的一種基于動態(tài)手勢的vr交互方法。

本發(fā)明實施例中，持續(xù)獲取由vr設備采集的雙目視頻幀；從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。本發(fā)明實施例所提供方案在尋找動態(tài)手勢時，可以有效減小對視頻幀的重復分析，且采用手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果來判定動態(tài)手勢的方式，從而提高vr交互的響應速度和精準度。當然，實施本發(fā)明的任一產(chǎn)品或方法必不一定需要同時達到以上所述的所有優(yōu)點。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹。

圖1為本發(fā)明實施例提供的基于動態(tài)手勢的vr交互方法的流程圖；

圖2為本發(fā)明實施例提供的從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域的具體實現(xiàn)方式的流程圖；

圖3為本發(fā)明實施例提供的執(zhí)行與所述動態(tài)手勢對應的響應操作過程的流程圖；

圖4為本發(fā)明實施例提供的識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果的具體實現(xiàn)方式的流程圖；

圖5為本發(fā)明實施例提供的根據(jù)所述食指區(qū)域，確定食指的指向直線的具體實現(xiàn)方式的流程圖；

圖6為本發(fā)明實施例提供的食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)的具體實現(xiàn)方式的流程圖；

圖7為本發(fā)明實施例提供的根據(jù)所述第一視差和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)的具體實現(xiàn)方式的流程圖；

圖8為本發(fā)明實施例提供的基于動態(tài)手勢的vr交互裝置的結(jié)構(gòu)示意圖；

圖9為本發(fā)明實施例提供的執(zhí)行模塊的結(jié)構(gòu)示意圖；

圖10為本發(fā)明實施例提供的提取模塊的結(jié)構(gòu)示意圖；

圖11為本發(fā)明實施例提供的識別模塊的結(jié)構(gòu)示意圖；

圖12為本發(fā)明實施例提供的第二確定子模塊的結(jié)構(gòu)示意圖；

圖13為本發(fā)明實施例提供的第二確定單元的結(jié)構(gòu)示意圖；

圖14為本發(fā)明實施例提供的電子設備的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行描述。

下面首先對本發(fā)明實施例提供的一種基于動態(tài)手勢的vr交互方法進行介紹。

需要說明的是，本發(fā)明實施例所提供的一種基于動態(tài)手勢的vr交互方法的執(zhí)行主體可以為一種基于動態(tài)手勢的vr交互裝置。其中，該基于動態(tài)手勢的vr交互裝置可以為運行于vr設備中的功能軟件。如圖1所示，本發(fā)明實施例所提供的一種基于動態(tài)手勢的vr交互方法，可以包括如下步驟：

s101，持續(xù)獲取由vr設備采集的雙目視頻幀。

由于用戶發(fā)出動態(tài)手勢的時刻不確定，因此，為了實現(xiàn)vr交互，可以持續(xù)獲取由vr設備采集的雙目視頻幀，其中，雙目視頻幀包括：左目視頻幀和右目視頻幀。

可以理解的是，vr設備采集的雙目視頻幀是由雙目攝像頭所采集的，其中，左目攝像頭采集左目視頻幀，右目攝像頭采集右目視頻幀。

需要說明的是，在具體應用中，vr設備所采集的左目視頻幀和右目視頻幀可以均為nir(近紅外光譜)圖像。

s102，從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀。

由于單擊和指向的動態(tài)手勢是涉及到手部的動作，因此，可以對所獲取的各個雙目視頻幀的第一目視頻幀執(zhí)行提取手型區(qū)域的處理，并當前提取到的手型區(qū)域時，對提取到的手型區(qū)域執(zhí)行進一步的處理。

需要說明的是，各個雙目視頻幀中的第一目視頻幀的類型相同，即各個雙目視頻幀中的第一目視頻幀可以均為左目視頻幀，也可以同時為右目視頻幀。

本發(fā)明實施例提供的具體實現(xiàn)方式中，對彩色圖像的灰度化轉(zhuǎn)換可以通過以下任一方式實現(xiàn)：

方式一：分量法，將彩色圖像的每一個像素對應的r、g、b三個分量中的任何一個分量作為灰度圖像的灰度值；

方式二：最大值法，將彩色圖像中的每一個像素對應的r、g、b三個分量亮度的最大值作為灰度圖像的灰度值；

方式三：平均值法，將彩色圖像中的每一個像素對應的r、g、b三個分量的平均值作為灰度圖像的灰度值；

方式四：加權(quán)平均法，將彩色圖像中的每一個像素對應的r、g、b三個分量以不同的權(quán)值進行加權(quán)平均值作為灰度圖像的灰度值。

本發(fā)明實施例提供的具體實現(xiàn)方式中，灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像可以為：

對原始圖像作中低通濾波，進行圖像的預處理，降低或去除噪聲；

通過雙峰法、p參數(shù)法、最大熵閾值法或迭代法確定最佳的閾值t；

在灰度圖像中像素的灰度值大于閾值t的像素值設置為225，小于閾值t的像素值設置為0，從而得到二值化處理的圖像，其中，像素值為225為黑色，像素值為0為白色。

可以理解的是，彩色圖像中的每個像素的顏色有r、g、b三個分量決定，而每個分量有255個中值可取，這樣一個像素點可以有1600多萬(255*255*255)的顏色的變化范圍?；叶葓D像是r、g、b三個分量相同的一種特殊的彩色圖像，其中一個像素點的變化范圍為255種，灰度圖像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征。在數(shù)字圖像處理中先將各種格式的圖像轉(zhuǎn)變成灰度圖像進行處理，能夠減少圖像的計算量。

需要強調(diào)的是，上述所給出的從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域的步驟的具體實現(xiàn)方式僅僅作為示例，并不應該構(gòu)成對本發(fā)明實施例的限定。

s103，識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊。

由于單擊和指向的動態(tài)手勢是由單擊的靜態(tài)手勢和指向的靜態(tài)手勢構(gòu)成，因此，為了確定出是否發(fā)生單擊和指向的動態(tài)手勢，可以識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，進而根據(jù)靜態(tài)手勢識別結(jié)果確定是否發(fā)生單擊和指向的動態(tài)手勢。

s104，當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。

由于單擊和指向的動態(tài)手勢是由單擊的靜態(tài)手勢和指向的靜態(tài)手勢構(gòu)成，因此，可以判斷所得到的各個靜態(tài)手勢識別結(jié)果中是否包括單擊和指向兩類結(jié)果。當判斷結(jié)果為是時，表明發(fā)生單擊和指向的動態(tài)手勢，此時，可以執(zhí)行與所述動態(tài)手勢對應的響應操作。

本發(fā)明實施例提供的一種基于動態(tài)手勢的vr交互方法中，通過持續(xù)獲取由vr設備采集的雙目視頻幀；從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。本發(fā)明實施例所提供方案在尋找動態(tài)手勢時，可以有效減小對視頻幀的重復分析，且采用手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果來判定動態(tài)手勢的方式，從而提高vr交互的響應速度和精準度。

為了得到較理想的手型區(qū)域，本發(fā)明提供了一種具體實現(xiàn)方式，如圖2所示，步驟s102可以具體包括：

s1021、針對所獲取的每個雙目視頻幀的第一目視頻幀，對該第一目視頻幀進行灰度化轉(zhuǎn)換，并對灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像；

s1022、提取所得到的各個二值化處理的圖像中的手型區(qū)域。

其中，灰度化轉(zhuǎn)換為將彩色圖像轉(zhuǎn)換為灰度圖像的過程，二值化處理為將灰度圖像轉(zhuǎn)換為黑白二值圖像的過程?？梢岳斫獾氖牵鱾€二值化處理的圖像中僅僅存在黑白兩類像素點，因此，可以基于黑白兩類像素點所構(gòu)成的區(qū)域形狀來提取手型區(qū)域。

上述的方案通過對圖像進行灰度化轉(zhuǎn)換、二值化的預處理，能將手型區(qū)域從背景中提取出來，得到較理想的手型區(qū)域。

作為圖1方法的細化，在本發(fā)明提供的一種具體實現(xiàn)方式中，如圖3所示，步驟s103可以具體包括步驟s1031-步驟s1032：

s1031，提取各個手型區(qū)域的hog(histogramoforientedgradient，方向梯度直方圖)特征；

s1032，將各個手型區(qū)域的方向梯度直方圖hog特征分別輸入預先訓練的svm(supportvectormachine，支持向量機)模型，得到各個手型區(qū)域所對應的靜態(tài)手勢識別結(jié)果，其中，所述支持向量機svm模型以包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征作為輸入內(nèi)容，以所述樣本視頻幀所包含的單擊或指向的靜態(tài)手勢作為輸出內(nèi)容訓練所得。

在本發(fā)明提供的一種具體實施方式中，包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征的獲取過程為：

將包含指向或單擊的靜態(tài)手勢的樣本視頻幀灰度化處理；采用顯示器參數(shù)gamma矯正法對灰度化后的圖像歸一化；計算圖像每一個像素的梯度；將灰度圖像劃分為小的細胞單元，并統(tǒng)計每個細胞單元的梯度直方圖；將每幾個細胞單元組成一個塊，一個塊內(nèi)所有細胞單元的特征穿起來便得到該塊的hog的特征，將圖像中所有的塊的hog穿起來得到該包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征。

具體的，在本發(fā)明提供的一種具體實施方式中，支持向量機svm模型的訓練過程為：

將針對包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征和負樣本的手勢投入到svm分類器中進行訓練，得到支持向量機svm模型。

其中，負樣本手勢為除去指向和單擊的任何靜態(tài)手勢。

上述的方案進行靜態(tài)手勢的識別過程，通過hog特征和svm分類提高了靜態(tài)手勢識別的效率和準確率。

為了提高動態(tài)手勢交互的響應速度，本發(fā)明提供的一種具體實現(xiàn)方式，如圖4所示，步驟s104中的所述執(zhí)行與所述動態(tài)手勢對應的響應操作的步驟可以具體包括步驟s100-步驟s400：

s100，確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；

需要說明的是，在確定手指的指向直線時，只是通過從目標手型區(qū)域中識別出食指區(qū)域，通過對食指區(qū)域的處理確定指向直線，而沒有對全部手型區(qū)域處理，從而能夠減少計算量，提高效率。

s200，根據(jù)所述食指區(qū)域，確定食指的指向直線；

其中，食指區(qū)域為包含食指的指尖到食指的指根之間的區(qū)域，由于食指區(qū)域是雙目視頻幀中的左目視頻幀或右目視頻幀中得到的，食指區(qū)域只是一個二維的區(qū)域，但食指的指向直線是由三維坐標所確定的，需要通過立體匹配算法進行立體匹配的到指向直線的三維數(shù)據(jù)。

s300，將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點。

由于指向和單擊的動態(tài)手勢的目的是點擊某一個點，因此，在確定出指向直線后，可以將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點。

s400，在所述交互點上響應單擊操作。

其中，該交互點上響應單擊操作后的具體顯示內(nèi)容，本發(fā)明實施例不做限定。

通過上述的步驟s100-步驟s400可以完成與所述動態(tài)手勢對應的響應操作。

在一種具體的實現(xiàn)方式中，通過確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；根據(jù)所述食指區(qū)域，確定食指的指向直線；將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點；在所述交互點上響應單擊操作。在一種具體的實現(xiàn)方式中，通過只對食指區(qū)域進行立體匹配，提高了立體匹配的效率，從而提高了動態(tài)手勢識別的響應速度。

為了能夠準確的提取食指區(qū)域，本發(fā)明提供了的一種具體實現(xiàn)方中，步驟s100可以具體包括：

以手型區(qū)域外包矩形的邊為坐標軸進行y軸上的手型區(qū)域的直方圖投影，通過對投影的直方圖進行閾值處得到手型的食指區(qū)域，所述y軸為沿手指的高度方向。

具體地，在y軸上的手型區(qū)域的直方圖的投影用于確定在對應的y軸高度的手型區(qū)域中像素的個數(shù)，根據(jù)手型區(qū)域中像素的個數(shù)可以確定手型區(qū)域的食指區(qū)域的直方圖的閾值，從而能夠確定食指區(qū)域。

需要進一步說明的是，在食指區(qū)域的指尖的位置為開始存在像素點的位置，在指根的位置為像素點的個數(shù)明顯小于手掌區(qū)域的像素點的個數(shù)，從能夠確定投影直方圖的閾值，進而得到食指區(qū)域。

通過上述的方案，能夠準確快速的確定食指區(qū)域，并且，只對食指區(qū)域進行數(shù)據(jù)處理，提高了動態(tài)手勢識別的效率。

為了提高匹配的精度，本發(fā)明提供了一種具體的實現(xiàn)方式，如圖5所示，步驟s200可以具體包括步驟s210-步驟s220:

s210、對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)，其中，所述目標視頻幀為目標雙目視頻幀中的另一目視頻幀，所述目標雙目視頻幀為包含所述食指區(qū)域所在第一目視頻幀的雙目視頻幀；

可以理解的是，當?shù)谝荒恳曨l幀為左目視頻幀時，該目標視頻幀則為右目視頻幀；而當?shù)谝荒恳曨l幀為右目視頻幀時，該目標視頻幀為左目視頻幀。

s220、將所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)進行線性擬合，得到食指的指向直線。

其中線性擬合的具體實現(xiàn)方式可以采用現(xiàn)有技術(shù)實現(xiàn)，在此不做限定。

為了提高立體匹配的算法的效率，在本發(fā)明提供的又一種具體的實現(xiàn)方式中，如圖6所示，步驟s210可以具體包括步驟s211-步驟s212：

s211、對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值；

具體地，第一視差的確定方式包括：

(1)將所述食指區(qū)域的圖像分成若干塊，對食指區(qū)域的若干塊依次掃描，確定一個待匹配點，以待匹配點為中心，創(chuàng)建窗口，窗口中對應點的值用該點的灰度值表示；

(2)用窗口覆蓋第一目視頻幀的圖像，選擇出窗口覆蓋區(qū)域內(nèi)的所有像素點；

(3)同樣用窗口覆蓋目標視頻幀的圖像并選擇出覆蓋區(qū)域的像素點；

(4)左邊覆蓋區(qū)域減去右邊覆蓋區(qū)域，并求出所有像素點灰度差的絕對

值之和；

(5)移動目標視頻幀的圖像的窗口，重復(3)-(4)的處理；

(6)找到灰度差的絕對值之和最小的窗口，即在目標視頻幀中與所述待匹配點對應的點；

(7)循環(huán)執(zhí)行上述(1)-(6)步驟，尋找食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域點的一一對應關(guān)系，根據(jù)對應關(guān)系對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值。

舉例而言，當?shù)谝荒恳曨l幀為左目視頻幀，另一目視頻幀為右目視頻幀時，左目視頻幀上的待匹配點的坐標為(x，y)，目標視頻幀中與所述食指區(qū)域中點(x，y)對應的目標區(qū)域點的坐標為(x-12，y)，則進行立體匹配后得到的第一視差值為12。

s212、根據(jù)所述第一視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

其中，左右相機的標定參數(shù)包括：相機的內(nèi)參數(shù)和相機的外參數(shù)，相機的內(nèi)參數(shù)為內(nèi)部幾何和光學特性，相機的外參數(shù)為相機在三維坐標系中的位置和方向。

具體的，在得到的第一視差值和左右相機標定的內(nèi)外參數(shù)的基礎上，利用三角形測量原理確定食指區(qū)域中每個像素點的三圍空間的坐標數(shù)據(jù)。

需要說明的是，通過電子設備來處理圖像，首先將模擬圖像進行空間和幅值的離散化處理編程計算機可以識別的處理對象，空間離散化是把一個圖像分割成多個小區(qū)域(像素)，幅值離散化是將這些小區(qū)域的灰度值用幀數(shù)來表示，像素是數(shù)字圖像的最小的單位。在數(shù)字圖像中，像素的坐標取整數(shù)，立體匹配的視差值也是整數(shù)，但在三維空間中物體的場景信息是連續(xù)的值，在立體匹配中存在誤差。

為了消除這種誤差，在本發(fā)明實施了提供的一種具體實現(xiàn)方式中，如圖7所示，步驟s212可以具體包括步驟s2121-步驟s2123：

s2121、將所述食指區(qū)域和目標視頻幀擴大預定倍數(shù)；

s2122、在擴大預定倍數(shù)后，以所述第一視差值為基礎，對當前食指區(qū)域和當前目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素點進行亞像素級別的立體匹配，得到第二視差值；

s2123、根據(jù)所述第二視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

需要說明的是，本發(fā)明實施例并不對預定倍數(shù)進行限定。舉例而言，預定倍數(shù)可以為10、100…，以預定倍數(shù)對食指區(qū)域和目標視頻幀進行擴大，當預定倍數(shù)為10時，擴大后的圖像為原圖像的10倍，圖像中的像素可以精確到原來的0.1倍。在擴大預定倍數(shù)后，以第一視差值為基礎，在與步驟b211相似的步驟進行立體匹配，得到第二視差值。舉例而言，在擴大倍數(shù)為10倍擴大后，第一視差值為12的基礎上，并且第一目視頻幀為左目視頻幀，目標視頻幀為右目視頻幀，當左目視頻幀上的待匹配點的坐標為(x，y)，目標視頻幀中與所述食指區(qū)域中點(x，y)對應的區(qū)域(x-12.9，y)和(x-11.1，y)進行立體匹配，匹配的過程與步驟b211相似，從而得到第二視差值。

需要說明的是，第二視差值為亞像素匹配后的精準的視差值。

其中，左右相機的標定參數(shù)包括：相機的內(nèi)參數(shù)和相機的外參數(shù)，相機的內(nèi)參數(shù)為內(nèi)部幾何和光學特性，相機的外參數(shù)為相機在三維坐標系中的位置和方向。具體的，在得到的第二視差值和左右相機標定的內(nèi)外參數(shù)，利用三角形測量原理確定食指區(qū)域中每個像素點的三圍空間的坐標數(shù)據(jù)。

上述具體的實現(xiàn)方式中，通過對局部圖像進行亞像素立體匹配，不僅提高了立體匹配的精度，而且提高了立體匹配的算法效率。

與方法實施例相對應的，本發(fā)明實施例還提供了一種基于動態(tài)手勢的vr交互裝置，該裝置可應用于vr設備。圖8為本發(fā)明實施例提供的基于動態(tài)手勢的vr交互裝置的結(jié)構(gòu)示意圖，所述裝置包括：

獲取模塊810，用于持續(xù)獲取由vr設備采集的雙目視頻幀；

提取模塊820，用于從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；

識別模塊830，用于當提取到時，識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；

確定模塊840，用于當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并觸發(fā)執(zhí)行模塊；

所述執(zhí)行模塊850，用于執(zhí)行與所述動態(tài)手勢對應的響應操作。

本發(fā)明實施例通過持續(xù)獲取由vr設備采集的雙目視頻幀；從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。本發(fā)明實施例所提供方案在尋找動態(tài)手勢時，可以有效減小對視頻幀的重復分析，且采用手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果來判定動態(tài)手勢的方式，從而提高vr交互的響應速度和精準度。

可選地，本發(fā)明實施例所提供的一種具體實現(xiàn)方式中，如圖9所示，所述執(zhí)行模塊850，包括：

第一確定子模塊851，用于確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；

第二確定子模塊852，用于根據(jù)所述食指區(qū)域，確定食指的指向直線；

第三確定子模塊853，用于將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點；

響應子模塊854，用于在所述交互點上響應單擊操作。

可選地，本發(fā)明實施例所提供的一種具體實現(xiàn)方式中，如圖10所示，所述提取模塊820，包括：

第四確定子模塊821，用于針對所獲取的每個雙目視頻幀的第一目視頻幀，對該第一目視頻幀進行灰度化轉(zhuǎn)換，并對灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像；

第一提取子模塊822，用于提取所得到的各個二值化處理的圖像中的手型區(qū)域。

可選地，本發(fā)明實施例所提供的一種具體實現(xiàn)方式中，如圖11所示，所述識別模塊830，包括：

特征提取子模塊831，用于提取各個手型區(qū)域的方向梯度直方圖hog特征；

第五確定子模塊832，用于將各個手型區(qū)域的方向梯度直方圖hog特征分別輸入預先訓練的支持向量機svm模型，得到各個手型區(qū)域所對應的靜態(tài)手勢識別結(jié)果，其中，所述支持向量機svm模型以包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征作為輸入內(nèi)容，以所述樣本視頻幀所包含的單擊或指向的靜態(tài)手勢作為輸出內(nèi)容訓練所得。

可選地，本發(fā)明實施例提供的一種具體實現(xiàn)方式中，所述第一確定子模塊，包括：

第一確定單元，用于以手型區(qū)域外包矩形的邊為坐標軸進行y軸上的手型區(qū)域的直方圖投影，通過對投影的直方圖進行閾值處得到手型的食指區(qū)域，所述y軸為沿手指的高度方向。

可選地，本發(fā)明實施例提供的一種具體實現(xiàn)方式中，如圖12所示，所述第二確定子模塊852，包括：

第二確定單元8521，用于對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)，其中，所述目標視頻幀為目標雙目視頻幀中的另一目視頻幀，所述目標雙目視頻幀為包含所述食指區(qū)域所在第一目視頻幀的雙目視頻幀；

第三確定單元8522，用于將所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)進行線性擬合，得到食指的指向直線。

可選地，本發(fā)明實施例提供的一種具體實現(xiàn)方式中，如圖13所示，所述第二確定單元8521，包括：

第一確定子單元85211，用于對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值；

第二確定子單元85212，用于根據(jù)所述第一視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

可選地，本發(fā)明實施例提供的一種實現(xiàn)方式中，所述第二確定子單元，具體用于：

將所述食指區(qū)域和目標視頻幀擴大預定倍數(shù)；

在擴大預定倍數(shù)后，以所述第一視差值為基礎，對當前食指區(qū)域和當前目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素點進行亞像素級別的立體匹配，得到第二視差值；

根據(jù)所述第二視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

與上述方法實施例相對應的，本發(fā)明實施例還提供了一種電子設備，如圖14所示，包括處理器901、通信接口902、存儲器903和通信總線904，其中，處理器901，通信接口902，存儲器903通過通信總線904完成相互間的通信，

存儲器903，用于存放計算機程序；

處理器901，用于執(zhí)行存儲器903上所存放的程序時，實現(xiàn)如下步驟：

持續(xù)獲取由vr設備采集的雙目視頻幀；

從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域，所述第一目視頻幀為：左目視頻幀或右目視頻幀；

識別所提取到的各個手型區(qū)域，得到各個手型區(qū)域?qū)撵o態(tài)手勢識別結(jié)果，所述靜態(tài)手勢的識別結(jié)果包括：指向或單擊；

當所得到的各個靜態(tài)手勢識別結(jié)果中包括單擊和指向兩類結(jié)果時，確定發(fā)生單擊和指向的動態(tài)手勢，并執(zhí)行與所述動態(tài)手勢對應的響應操作。

可選地，所述執(zhí)行與所述動態(tài)手勢對應的響應操作的步驟，包括：

確定目標手型區(qū)域中的食指區(qū)域，其中，所述目標手型區(qū)域為：所述各個手型區(qū)域中，所對應靜態(tài)手勢識別結(jié)果為指向的一個手型區(qū)域；

根據(jù)所述食指區(qū)域，確定食指的指向直線；

將所述指向直線與所述vr設備的顯示區(qū)域的交點作為所述動態(tài)手勢對應的交互點；

在所述交互點上響應單擊操作。

可選地，所述從所獲取的各個雙目視頻幀的第一目視頻幀中提取手型區(qū)域的步驟，包括：

針對所獲取的每個雙目視頻幀的第一目視頻幀，對該第一目視頻幀進行灰度化轉(zhuǎn)換，并對灰度化轉(zhuǎn)換后的圖像通過閾值分割的方式進行二值化處理，得到二值化處理的圖像；

提取所得到的各個二值化處理的圖像中的手型區(qū)域。

可選地，所述識別所提取到的各個手型區(qū)域，得到靜態(tài)手勢識別結(jié)果的步驟，包括：

提取各個手型區(qū)域的方向梯度直方圖hog特征；

將各個手型區(qū)域的方向梯度直方圖hog特征分別輸入預先訓練的支持向量機svm模型，得到各個手型區(qū)域所對應的靜態(tài)手勢識別結(jié)果，其中，所述支持向量機svm模型以包含指向或單擊的靜態(tài)手勢的樣本視頻幀的方向梯度直方圖hog特征作為輸入內(nèi)容，以所述樣本視頻幀所包含的單擊或指向的靜態(tài)手勢作為輸出內(nèi)容訓練所得。

可選地，所述確定目標手型區(qū)域中的食指區(qū)域的步驟，包括：

以手型區(qū)域外包矩形的邊為坐標軸進行y軸上的手型區(qū)域的直方圖投影，通過對投影的直方圖進行閾值處得到手型的食指區(qū)域，所述y軸為沿手指的高度方向。

可選地，所述根據(jù)所述食指區(qū)域，確定食指的指向直線的步驟，包括：

對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)，其中，所述目標視頻幀為目標雙目視頻幀中的另一目視頻幀，所述目標雙目視頻幀為包含所述食指區(qū)域所在第一目視頻幀的雙目視頻幀；

將所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)進行線性擬合，得到食指的指向直線。

可選地，所述對所述食指區(qū)域和目標視頻幀進行立體匹配，得到所述食指區(qū)域中的每個像素點的三維坐標數(shù)據(jù)的步驟，包括：

對所述食指區(qū)域和目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素進行先驗像素級別的立體匹配，得到第一視差值；

根據(jù)所述第一視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

可選地，所述根據(jù)所述第一視差和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)的步驟，包括：

將所述食指區(qū)域和目標視頻幀擴大預定倍數(shù)；

在擴大預定倍數(shù)后，以所述第一視差值為基礎，對當前食指區(qū)域和當前目標視頻幀中與所述食指區(qū)域?qū)哪繕藚^(qū)域的像素點進行亞像素級別的立體匹配，得到第二視差值；

根據(jù)所述第二視差值和左右相機的標定參數(shù)，確定所述食指區(qū)域中每個像素點的三維空間坐標數(shù)據(jù)。

需要說明的是，電子設備的處理器所執(zhí)行的上述基于動態(tài)手勢的vr交互方法的詳細內(nèi)容可以參見上述的關(guān)于基于動態(tài)手勢的vr交互方法的實施例的描述內(nèi)容，在此不做贅述。

上述電子設備提到的通信總線可以是外設部件互連標準(peripheralcomponentinterconnect，pci)總線或擴展工業(yè)標準結(jié)構(gòu)(extendedindustrystandardarchitecture，eisa)總線等。該通信總線可以分為地址總線、數(shù)據(jù)總線、控制總線等。為便于表示，圖中僅用一條粗線表示，但并不表示僅有一根總線或一種類型的總線。

通信接口用于上述電子設備與其他設備之間的通信。

存儲器可以包括隨機存取存儲器(randomaccessmemory，ram)，也可以包括非易失性存儲器(non-volatilememory，nvm)，例如至少一個磁盤存儲器。可選的，存儲器還可以是至少一個位于遠離前述處理器的存儲裝置。

上述的處理器可以是通用處理器，包括中央處理器(centralprocessingunit，cpu)、網(wǎng)絡處理器(networkprocessor，np)等；還可以是數(shù)字信號處理器(digitalsignalprocessing，dsp)、專用集成電路(applicationspecificintegratedcircuit，asic)、現(xiàn)場可編程門陣列(field-programmablegatearray，fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。

在本發(fā)明提供的又一實施例中，還提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述實施例中任一所述的一種基于動態(tài)手勢的vr交互方法。

在本發(fā)明提供的又一實施例中，還提供了一種包含指令的計算機程序產(chǎn)品，當其在計算機上運行時，使得計算機執(zhí)行上述實施例中任一所述的一種基于動態(tài)手勢的vr交互方法。

在上述實施例中，可以全部或部分地通過軟件、硬件、固件或者其任意組合來實現(xiàn)。當使用軟件實現(xiàn)時，可以全部或部分地以計算機程序產(chǎn)品的形式實現(xiàn)。所述計算機程序產(chǎn)品包括一個或多個計算機指令。在計算機上加載和執(zhí)行所述計算機程序指令時，全部或部分地產(chǎn)生按照本發(fā)明實施例所述的流程或功能。所述計算機可以是通用計算機、專用計算機、計算機網(wǎng)絡、或者其他可編程裝置。所述計算機指令可以存儲在計算機可讀存儲介質(zhì)中，或者從一個計算機可讀存儲介質(zhì)向另一個計算機可讀存儲介質(zhì)傳輸，例如，所述計算機指令可以從一個網(wǎng)站站點、計算機、服務器或數(shù)據(jù)中心通過有線(例如同軸電纜、光纖、數(shù)字用戶線(dsl))或無線(例如紅外、無線、微波等)方式向另一個網(wǎng)站站點、計算機、服務器或數(shù)據(jù)中心進行傳輸。所述計算機可讀存儲介質(zhì)可以是計算機能夠存取的任何可用介質(zhì)或者是包含一個或多個可用介質(zhì)集成的服務器、數(shù)據(jù)中心等數(shù)據(jù)存儲設備。所述可用介質(zhì)可以是磁性介質(zhì)，(例如，軟盤、硬盤、磁帶)、光介質(zhì)(例如，dvd)、或者半導體介質(zhì)(例如固態(tài)硬盤solidstatedisk(ssd))等。

需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

本說明書中的各個實施例均采用相關(guān)的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統(tǒng)實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。