【技术实现步骤摘要】
本申请涉及智能汽车，更具体地，涉及一种智能座舱环境下的手势交互方法及相关设备。
技术介绍
1、随着人工智能技术的不断发展，其应用场景更加多元化和专业化。智能座舱作为现代汽车上的创新功能，是人工智能技术重要的应用场景，对于提高驾驶体验和操作方便性、提高驾驶安全性和舒适性非常有意义。
2、手势交互作为一种新型的交互方式，可以提高智能座舱的驾驶体验和操作的便捷性。手势交互基于准确的手势识别，当前的手势识别中，大部分技术采用单张图片进行手势识别，然而这种方式对于静态手势适应性较好，但是对于动态的手势动作识别无法适应。还有一些方法采用视频数据进行动态手势动作识别，但是在识别过程中若输入的帧数太多，会存在数据冗余，造成计算资源浪费，若输入帧数太少，则无法识别完整的手势动作，造成手势动作误识，识别精度不高。
3、因此，如何更加高效和准确的进行智能座舱环境下的手势交互，是目前有待解决的技术问题。
技术实现思路
1、本申请实施例提出了一种智能座舱环境下的手势交互方法及相关设备，用以更加高效和准确的进行智能座舱环境下的手势交互。
2、第一方面，提供一种智能座舱环境下的手势交互方法，所述方法包括：采集智能座舱中的手势视频数据，并对所述手势视频数据进行标注，生成样本数据集；基于所述样本数据集对预设关键帧提取模型进行训练，训练完成后生成目标关键帧提取模型，其中，所述预设关键帧提取模型基于强化学习算法进行关键帧提取；若检测到所述智能座舱中待识别的手势视频，基于所述目标关键帧
3、第二方面，提供一种智能座舱环境下的手势交互装置，所述装置包括：采集模块，用于采集智能座舱中的手势视频数据，并对所述手势视频数据进行标注，生成样本数据集；训练模块，用于基于所述样本数据集对预设关键帧提取模型进行训练，训练完成后生成目标关键帧提取模型，其中，所述预设关键帧提取模型基于强化学习算法进行关键帧提取；提取模块，用于若检测到所述智能座舱中待识别的手势视频，基于所述目标关键帧提取模型从所述手势视频中提取关键帧数据；识别模块，用于将所述关键帧数据输入第一手势识别模型，若所述第一手势识别模型输出的识别结果符合预设手势，使所述智能座舱执行与所述预设手势对应的指令。
4、第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面所述的智能座舱环境下的手势交互方法。
5、第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的智能座舱环境下的手势交互方法。
6、通过应用以上技术方案，采集智能座舱中的手势视频数据，并对手势视频数据进行标注，生成样本数据集；基于样本数据集对预设关键帧提取模型进行训练，训练完成后生成目标关键帧提取模型，其中，预设关键帧提取模型基于强化学习算法进行关键帧提取；若检测到智能座舱中待识别的手势视频，基于目标关键帧提取模型从手势视频中提取关键帧数据；将关键帧数据输入第一手势识别模型，若第一手势识别模型输出的识别结果符合预设手势，使智能座舱执行与预设手势对应的指令，通过强化学习生成目标关键帧提取模型并进行关键帧提取，保留了主要的手势动作特征，并基于提取的关键帧进行手势识别，从而实现自动提取手势视频中的关键帧，提高了手势识别的精度和速度，进而可更加高效和准确的进行智能座舱环境下的手势交互。
本文档来自技高网...【技术保护点】
1.一种智能座舱环境下的手势交互方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述样本数据集对预设关键帧提取模型进行训练，训练完成后生成目标关键帧提取模型，包括：
3.如权利要求2所述的方法，其特征在于，在生成所述目标关键帧提取模型之后，所述方法还包括：
4.如权利要求2所述的方法，其特征在于，在根据手势识别结果生成奖励之后，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述第一手势识别模型包括至少一个特征提取模块、一个全连接层和一个Transformer神经网络，各所述特征提取模块、所述全连接层和所述Transformer神经网络依次连接，所述特征提取模块包括并联连接的一个3D深度可分离卷积模块和一个SE模块，所述Transformer神经网络用于从所述全连接层提取空间和时间的联合特征并输出识别结果。
6.一种智能座舱环境下的手势交互装置，其特征在于，所述装置包括：
7.如权利要求6所述的装置，其特征在于，所述训练模块，具体用于：
8.如权利要求6
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～5中任意一项所述的智能座舱环境下的手势交互方法。
...【技术特征摘要】
1.一种智能座舱环境下的手势交互方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述样本数据集对预设关键帧提取模型进行训练，训练完成后生成目标关键帧提取模型，包括：
3.如权利要求2所述的方法，其特征在于，在生成所述目标关键帧提取模型之后，所述方法还包括：
4.如权利要求2所述的方法，其特征在于，在根据手势识别结果生成奖励之后，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述第一手势识别模型包括至少一个特征提取模块、一个全连接层和一个transformer神经网络，各所述特征提取模块、所述全连接层和所述transformer神经网络依次连接，所述特征提取模块包括并联连接的一个3d深度可分离卷积模块和一个se模块，所述transformer神经网络用于从所述全连接层提取空间和时间的联合...
【专利技术属性】
技术研发人员：胡敏，王磊，宁欣，唐小江，周嵘，李爽，李冬冬，
申请(专利权)人：北京中科睿途科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。