本发明涉及人工智能与图像处理的交叉，特别是涉及一种面向数字大屏的动态人手检测与提取方法。
背景技术：
1、手势交互的基础是对人手进行检测，获取人手的位置、大小、形状等信息，然后对手势进行识别、理解、追踪，实现人与机器的交互。人手的检测构建了机器与人们之间沟通和交流的桥梁，使得机器能知道人的动作，明白人的动作轨迹，理解人的意图，和人一起互动。
2、但由于人手动作变化复杂，同时复杂的背景环境也会对人手的检测精确度造成影响，因此，实现人手在光照变化、遮挡及自我遮挡和复杂的背景环境的检测仍然是一个很大的难题。
技术实现思路
1、为了克服现有技术的不足，本发明的目的是提供一种面向数字大屏的动态人手检测与提取方法，通过肤色分割和卷积神经网络识别，得到手部区域图像，以减少后续识别的数据量，提高模型识别效率；通过提取深度特征，实现对人手的精准检测，以提高模型的识别准确率。
2、为实现上述目的，本发明提供了如下方案：
3、一种面向数字大屏的动态人手检测与提取方法，包括：
4、获取待检测图片；
5、对所述待检测图片进行肤色分割，得到多通道数据；
6、将所述多通道数据输入到预设的卷积神经网络，得到手部区域图像；
7、提取所述手部区域图像的深度特征；
8、将所述深度特征输入到预设的随机森林网络中，得到目标人手检测结果。
9、优选地，对所述待检测图片进行肤色分割，得到多通道数据，包括：
10、统计所述待检测图片的三原色通道值；
11、将所述三原色通道值映射到hsv空间，得到h值直方图；
12、利用预设h阈值对所述h值直方图进行分割，得到所述多通道数据。
13、优选地，将所述多通道数据输入到预设的卷积神经网络，得到手部区域图像前，还包括：
14、根据所述多通道数据计算肤色连通区域面积；
15、过滤掉小于预设面积阈值的所述肤色连通区域面积；
16、根据过滤完成的所述肤色连通区域面积计算外围最小矩形；
17、根据所述外围最小矩形进行肤色像素判断，得到肤色掩码位图；
18、将所述外围最小矩形和所述肤色掩码位图输入到所述卷积神经网络中。
19、优选地，所述卷积神经网络的优化过程包括：
20、计算待识别帧的第一面积与第一重心；
21、计算下一帧的第二面积与第二重心；
22、当所述第一面积和所述第二面积以及所述第一重心和所述第二重心的差值符合预设的区域阈值时，将所述待识别帧和所述下一帧的识别结果保存在同一历史分类结果中；
23、将所述历史分类结果内出现次数最高的识别结果作为所述手部区域图像进行输出。
24、本发明公开了以下技术效果：
25、本发明提供了一种面向数字大屏的动态人手检测与提取方法，通过肤色分割和卷积神经网络识别，解决了识别数据量过多的问题，实现了手部区域图像的分割；通过深度特征，解决了人手识别准确率较低的问题，实现了人手的实时准确追踪。
1.一种面向数字大屏的动态人手检测与提取方法，其特征在于，包括：
2.根据权利要求1所述的一种面向数字大屏的动态人手检测与提取方法，其特征在于，对所述待检测图片进行肤色分割，得到多通道数据，包括：
3.根据权利要求1所述的一种面向数字大屏的动态人手检测与提取方法，其特征在于，将所述多通道数据输入到预设的卷积神经网络，得到手部区域图像前，还包括：
4.根据权利要求1所述的一种面向数字大屏的动态人手检测与提取方法，其特征在于，所述卷积神经网络的优化过程包括：
