[發(fā)明專利]基于圖像深度信息的智能輪椅手勢識別控制方法

在審

• 申請?zhí)枺?/td>: 201410131396.3
• 申請日: 2014-04-02
• 公開（公告）號: CN103903011A
• 公開（公告）日: 2014-07-02
• 發(fā)明（設計）人: 羅元;張毅;胡章芳;謝彧;席兵
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

技術領域

本發(fā)明屬于手勢識別控制領域，具體涉及智能輪椅手勢識別控制方法。?

背景技術

聯(lián)合國發(fā)表報告指出，全世界人口老齡化進程正在加快。今后50年內，60歲以上的人口比例預計將會翻一番，并且由于各種災難和疾病造成的殘障人士也逐年增加，他們存在不同程度的能力喪失，如行走、視力、動手及語言等。因此，為老年人和殘疾人提供性能優(yōu)越的代步工具已成為整個社會重點關注的問題之一。智能輪椅作為移動機器人的一種，主要用來輔助老年人和殘疾人的日常生活和工作，是對他們弱化的機體功能的一種補償。智能輪椅在作為代步工具的同時也可以完成簡單的日常活動，使他們重新獲得生活能力，找回自立、自尊的感覺，重新融入社會，因而，智能輪椅的研究得到越來越多的關注。因此，我們將手勢識別控制應用于智能輪椅上，形成一種將智能輪椅與手勢識別技術結合起來的新型代步工具，它不僅具有普通輪椅的所有功能，重要的是還可以通過手勢命令對輪椅進行控制，使輪椅的控制更加簡單、方便。因此，實用的手勢控制智能輪椅機器人將為老年人和殘疾人開創(chuàng)新的生活模式和生活概念，具有非常重要的現實意義。?

在國內外，研究者們已經開展了大量相關項目的研究：1991年，富士通實驗室進行了手勢識別系統(tǒng)相關方面的研究，設計的識別系統(tǒng)能識別46個手勢符號。1995年，Christopher?Lee等人成功的研究出了手勢命令操作系統(tǒng)。臺灣大學的Liang等人設計的手勢識別系統(tǒng)通過單個VPL數據手套實現了對臺灣手語課本中的基本字條的識別，準確率達90.5%。Starner等實用隱馬爾科夫模型實現了對短句子的識別，識別率達到99.2%。Intel的Opencv開源程序庫，實現了基于立體視覺和本文中所用到的Hu不變矩特征的識別。國內對手勢識別的研究起步較晚，但最近幾年來發(fā)展較快。高文、吳江琴等人給出了人工神經網絡、基于隱馬爾科夫?模型的混合方法作為手勢的訓練識別方法，以增加識別方法的分類特性和減少模型的估計參數的個數，運用此方法的中國手勢識別系統(tǒng)中，孤立詞識別率為90%，簡單語句識別率為92%。接下來高文等人又選取Cyberglove型數據手套作為手勢輸入設備，并采用了快速動態(tài)高斯混合模型作為系統(tǒng)的識別技術，可識別中國手勢字典中274個詞條，識別率達98.2%。清華大學的祝遠新、徐光佑等給出的基于視覺的識別技術，能夠識別12種動態(tài)孤立手勢，識別率達90%。上海大學的段洪偉用LS-SVM算法實現了對靜態(tài)手勢的識別，并使用隱馬爾科夫模型實現了對動態(tài)手勢的識別。山東大學的徐立群等提出了一種改進的CAMSHIFT算法跟蹤手勢，提取出動態(tài)手勢的軌跡特征后實現6種手勢的識別。北京大學的張凱、葛文兵等人利用平面立體匹配算法得到三維手勢信息，實現了基于立體視覺的手勢識別。?

發(fā)明內容

針對以上現有技術中的不足，本發(fā)明的目的在于提供一種提高了系統(tǒng)的識別率、實現智能輪椅語音控制系統(tǒng)中的手勢識別、實現了對智能輪椅的精確控制的智能輪椅手勢識別控制方法。本發(fā)明的技術方案如下：一種基于圖像深度信息的智能輪椅手勢識別控制方法，其包括以下步驟：?

101、采用3D體感攝影機Kinect獲取智能輪椅上被測物體的手勢視頻信號，并抓取該手勢視頻信號的一幀圖像作為分割圖像，采用圖像預處理法對該分割圖像進行過濾；?

102、對步驟101中經過過濾的分割圖像采用灰度直方圖方法確定深度閾值。通過灰度直方圖中灰度值由大到小的變化，尋找像素點劇變較大的灰度值處作為手像素區(qū)域分割的閾值，分離出手勢圖像，并將分離出的手勢圖像轉換成手勢二值圖；?

103、采用SUSAN算法將步驟102中得到的手勢二值圖進行邊緣提取得到手勢特征向量，采用Freman鏈碼法沿著手勢的邊緣順序求得每個手勢特征向量，其中每個手勢特征向量為手的邊緣點到掌心的距離ri的集合；?

104、采用OPTA算法對步驟103中得到的手勢特征向量進行邊緣細化，得到?經過邊緣細化后的優(yōu)化手勢特征向量；?

105、將步驟104中的優(yōu)化手勢特征向量采用徑向基函數神經網絡RBF進行分類訓練，與預先設置的訓練數據進行對比，得出手勢命令。并根據該手勢命令輸出手勢控制指令傳送給智能輪椅，所述智能輪椅運動，完成智能輪椅的手勢識別控制。?

進一步的，步驟101中的圖像預處理法包括平滑處理和去噪去噪處理對圖像進行過濾。。?

進一步的，步驟103中邊緣提取中還包括對掌心的仿射變換步驟。?