[發明專利]用于手勢識別的系統和方法

有效

• 申請號: 201080071260.8
• 申請日: 2010-12-29
• 公開（公告）號: CN103415825A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 周杰;程璞
• 申請（專利權）人: 湯姆遜許可公司
• 主分類號: G06F3/01
• 分類號: G06F3/01
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 史新宏

1.一種用于識別由用戶執行的手勢的方法，所述方法包括：

獲取特定用戶的輸入圖像的序列（202）；并且

基于從用戶的手的軌跡提取的手勢模型和幾何特征來從輸入圖像的序列識別特定用戶的手勢（204）。

2.根據權利要求1所述的方法，其中，所述手勢模型是隱馬爾可夫模型（HMM）。

3.根據權利要求1所述的方法，其中，所述識別步驟進一步包括：

獲取用戶的輸入圖像的序列（302）；

將在輸入圖像的所述序列中的運動參數的突變檢測為候選起點（304）；

將輸入圖像的所述序列與手勢模型匹配（306）；

檢測所述匹配的手勢模型的狀態轉換點（308）；

基于所述檢測的狀態轉換點和候選起點來提取所述用戶手的軌跡的幾何特征（310）；

基于匹配的手勢模型和所述提取的幾何特征來確定所述手勢的終點和手勢類別（316）；并且，

從所述確定的所述手勢的終點起反向跟蹤通過圖像，以確定所述手勢的實際起點（318）。

4.根據權利要求3所述的方法，其中，所述確定所述手勢的所述終點進一步包括：

確定輸入圖像的所述序列的每一個幀的手勢模型匹配分數（314）；并且

將具有比第一預定閾值大的所述手勢模型匹配分數的所述幀選擇為包含所述手勢的所述終點的所述幀（316）。

5.根據權利要求4所述的方法，進一步包括：基于所述提取的幾何特征和確定的手勢類別來修剪輸入圖像的所述序列的至少一個幀的所述手勢模型匹配分數（312）。

6.根據權利要求4所述的方法，進一步包括：如果所述提取的幾何特征在幀中出現的可能性小于第二預定閾值，則選擇第二手勢模型來用于匹配。

7.根據權利要求6所述的方法，其中，所述第二預定閾值是基于所述確定的手勢類別。

8.根據權利要求3所述的方法，其中，通過動態編程（DP）功能來執行反向跟蹤通過所述圖像。

9.根據權利要求1所述的方法，其中，所述識別步驟進一步包括：

在輸入圖像的所述序列的每一個幀中檢測和跟蹤至少一個對象（504）；并且

匹配所述檢測和跟蹤的至少一個對象的特征以確定所述手勢模型（506）。

10.根據權利要求9所述的方法，其中，所述識別步驟進一步包括：

檢測所述手勢模型的狀態轉換點（508）；并且

基于所述檢測的狀態轉換點和所述手勢的起點的相對位置來提取所述用戶的所述手的軌跡的所述幾何特征（510）。

11.根據權利要求10所述的方法，其中，所述識別步驟進一步包括：

使用所述手勢模型和提取的幾何特征來計算用于每一個手勢類別的所述檢測和跟蹤的至少一個對象的匹配分數；并且

將所述檢測和跟蹤的至少一個對象分類為具有最高匹配分數的所述手勢類別。

12.根據權利要求1所述的方法，進一步包括：基于由所述特定用戶執行的手勢來適應所述特定用戶的所述手勢模型和幾何特征分布（206）。

13.根據權利要求12所述的方法，其中，使用最大似然率線性回歸（MLLR）函數來使用來自所述特定用戶的手勢樣本更新所述手勢模型（610）。

14.根據權利要求13所述的方法，進一步包括：通過重新估計在預定數量的自適應樣本上的所述幾何特征分布的平均和協方差矩陣來遞增地學習用于所述特定用戶的所述幾何特征分布（612）。

15.根據權利要求14所述的方法，進一步包括：存儲用于所述特定用戶的所述更新的手勢模型和學習的幾何特征分布（614）。

16.一種用于識別由用戶執行的手勢的系統（100），包括：

圖像捕獲裝置（102），其獲取特定用戶的輸入圖像的序列；以及

手勢識別器（112），其基于從所述用戶的手的軌跡提取的手勢模型和幾何特征來從輸入圖像的序列識別特定用戶的手勢。

17.根據權利要求16所述的系統（100），其中，所述手勢模型是隱馬爾可夫模型（HMM）。