[發明專利]一種基于HOG+SVM框架的手勢內平面旋轉檢測模型生成方法

有效

• 申請號: 201510080211.5
• 申請日: 2015-02-13
• 公開（公告）號: CN104731324B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 牛建偉;趙曉軻;路杰
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00
• 代理公司: 北京永創新實專利事務所11121
• 代理人: 祗志潔

技術領域

本發明涉及一種基于HOG+SVM框架的手勢內平面旋轉檢測模型生成方法，屬于圖像處理以及模式識別技術領域。

背景技術

隨著計算機普及和迅速的發展，人們的生活已離不開對計算機的使用。眾所周知，以往的人和計算機交互方式是通過特定的輸入輸出設備，如有鍵盤、鼠標、手寫筆、掃描儀等。然而，近幾年隨著多媒體技術的發展、計算機性能的不斷提升，個人計算機(PC)已經具備基本的語音處理、圖形圖像處理等多種通信媒體的功能。為提高計算機的易用性和人機交互的自然性，新型輸入技術已日趨成為一個備受關注的研究熱點領域。人工智能的飛躍發展和新式輸入輸出設備如雨后春筍般的不斷涌現，使得計算機變得越來越智能化，人機交互也變得更加的自然。人機交互技術的研究歷經以計算機為中心的傳統交互，現在已逐步轉移到以人為中心的多種通道、多種媒體的新型交互技術上來。體勢識別、人臉識別、表情識別、頭部跟蹤、眼球跟蹤以及手勢識別等都是為符合人的習慣而出現的新型人機交互技術。生活中，我們常用手勢來表達某種特定的意圖，例如表示OK，為路人指示方向，表示數字等等。這些現象均說明了手勢操作的頻繁性和直觀自然性，同時也使得人們希望將手勢可以用來與自己的計算機進行交互中。例如，用戶可以定義適當的手勢來對設備進行控制等。

手勢識別作為多模式人機接口技術重要部分，涉及了多個學科的研究領域，例如計算機視覺、人工智能、模式識別等。基于視覺的手勢檢測是手勢識別方法重要的組成模塊。傳統的基于視覺的手勢檢測的方法存在如下缺點：要求背景和人手區域在顏色空間上具有很好的區分性，光照環境等環境因素不能對圖像幀的造成太大干擾；手臂區域，頭部區域和人手因光滑而形成的陰影等影響因素也要考慮在列。

為了實現行人檢測，Dalal等人首次提出了HOG+SVM的檢測框架。方向梯度直方圖(Histogram of Oriented Gradient，簡稱HOG)是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子。支持向量機(Support Vector Machine，簡稱SVM)是一種可用作特征空間分類的機器學習方法。隨著研究的深入，很多研究學者對HOG特征提出了許多優秀的改進方法，然而所有的方法均是針對于HOG特征的提取速度如何進行提升，以及提升后如何確保精度，例如，Wang等人提出將積分圖的概念和三線性插值的方法應用到HOG特征的提取方法中。經過研究發現，既定的手勢也是可以通過基于HOG+SVM框架進行檢測定位的。但目前對于平面內手勢旋轉的SVM模型轉換的問題并沒有相關研究，僅僅對既定手勢的模型訓練需要大量的數據采集工作。

發明內容

本發明的目的是為了解決基于HOG+SVM檢測框架的平面內多旋轉方向的手勢檢測問題，首先是通過對HOG特征進行改進；其次是利用特定幾個方向范圍的規定手勢SVM模型轉換成其他各個方向范圍的既定手勢SVM模型；最后，利用提出的基于HOG特征的多SVM模型檢測程序進行對攝像頭前的既定手勢進行檢測定位。

本發明提供的基于HOG+SVM框架的手勢內平面旋轉檢測模型生成方法，具體包括以下幾個步驟：

步驟1：采集特定方向范圍的手勢數據集；

手勢數據集包含兩個部分：(1)含既定手勢的正樣本數據集；(2)不含既定手勢的負樣本數據集。將平面內任意90度范圍內分為2～3個子范圍，然后按照劃分的范圍采集手勢數據集。

步驟2：提取特定方向各子范圍內樣本數據集的HOG特征，并利用SVM方法訓練對應的SVM模型；

利用改進的HOG特征方法對正負樣本數據集進行特征提取，生成正負樣本HOG特征文件；利用線性SVM對HOG特征文件訓練，生成對應該對應樣本數據集的SVM模型；

步驟3：生成平面空間內其他各個方向范圍的SVM模型；

利用SVM模型轉換算法對步驟2中生成90度內各子方向范圍的SVM進行處理，進而生成其他三個90度方向范圍的SVM模型；

步驟4：調節SVM模型參數，并用于多模型檢測程序；

根據實際情況對線性SVM模型常數項的值進行調節設定，將生成SVM模型集用到基于HOG特征的多SVM模型檢測應用程序中。

相對于現有技術，本發明的優點和積極效果在于：

(1)解決了基于HOG+SVM檢測框架的平面內手勢旋轉的SVM模型轉換問題；

(2)有效減少了基于HOG特征的SVM模型訓練過程，很大幅度上降低了手勢數據集采集所帶來的大量工作；