[發明專利]一種基于視覺的靜態手勢識別方法

有效

• 申請號: 201610079098.3
• 申請日: 2016-02-04
• 公開（公告）號: CN105760828B
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 楊明強;莊會偉;賁晛燁
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 楊樹云

1.一種基于視覺的靜態手勢識別方法，其特征在于，具體步驟包括：

A、訓練階段

(1)采集訓練手勢圖像樣本；

(2)對步驟(1)采集到的訓練手勢圖像進行預處理；

(3)提取步驟(2)預處理后的訓練手勢灰度圖像的LBP特征；

(4)提取步驟(2)預處理后的訓練手勢輪廓圖像的CSS角點特征；

(5)融合步驟(3)得到的訓練手勢圖像的LBP特征及步驟(4)得到的訓練手勢圖像的CSS角點特征，訓練基于壓縮感知理論的分類器；

B、測試階段

(6)采集測試手勢圖像樣本；

(7)對步驟(6)采集到的測試手勢圖像進行預處理；

(8)提取步驟(7)預處理后的測試手勢灰度圖像的LBP特征；

(9)提取步驟(7)預處理后的測試手勢輪廓圖像的CSS角點特征；

(10)融合步驟(8)得到的測試手勢圖像的LBP特征及步驟(9)得到的測試手勢圖像的CSS角點特征，利用步驟(5)訓練好的分類器進行分類；

步驟(4)、步驟(9)提取手勢圖像的CSS角點特征，具體包括：

g、找到步驟(2)、步驟(7)預處理后的手勢圖像的輪廓上的T形交叉點，標記為T形角點，設定手勢圖像的輪廓函數為Г(μ)＝(x(μ),y(μ))，將輪廓上的點用弧長參數μ表達，x(μ)是輪廓上點的橫坐標，y(μ)是輪廓上點的縱坐標；將Г(μ)在不同尺度的高斯函數g(μ，σ)下濾波得到不同尺度下的輪廓函數Г_σ(μ)＝(X(μ,σ),Y(μ,σ))，X(μ,σ)＝x(μ)*g(μ，σ)，Y(μ,σ)＝y(μ)*g(μ，σ)，σ是尺度參數，*為卷積運算符；計算在一個較低的尺度σ下的輪廓函數Г_σ(μ)的曲率κ(μ，σ)，所述較低的尺度σ的取值范圍為3.0-4.0，如式(Ⅱ)所示：

式(Ⅱ)中，

h、將步驟g得到的局部曲率極大點作為候選角點，利用式(III)確定候選角點的局部自適應閾值T(μ1)，式(III)中，μ1是候選角點在曲線上的位置，表示候選角點的鄰域區域內的平均曲率，L1和L2是鄰域區域的大小，i表示鄰域區域內的點，κ(i)表示鄰域區域內的點的曲率，C為一個系數，C的取值范圍為1<C<2，將局部自適應閾值與候選角點的曲率進行比較，如果該候選角點的曲率小于其局部自適應閾值，則將該候選角點剔除；

i、利用自適應支持區域檢測候選角點的角度，如果候選角點的角度取值范圍為170°-190°，則將其剔除。

2.根據權利要求1所述的一種基于視覺的靜態手勢識別方法，其特征在于，步驟(2)、步驟(7)所述預處理，具體包括：

a、將彩色圖像變換為灰度圖像；

b、利用基于閾值的二值化方法對步驟a得到的灰度圖像進行處理，得到手勢的二值圖像；

c、對步驟b得到的手勢的二值圖像進行形態學處理，得到手勢區域平滑的二值圖像；

d、采用邊緣檢測算法得到手勢的輪廓邊緣。

3.根據權利要求1所述的一種基于視覺的靜態手勢識別方法，其特征在于，步驟(3)、步驟(8)提取手勢圖像的LBP特征向量，具體包括：

e、設定所述手勢圖像中的一個像素點為中心像素點，則以中心像素點為圓心、半徑為R的P個鄰域像素點上的LBP值LBP_P-R的求取公式如式(Ⅰ)所示：

式(Ⅰ)中，g_c表示中心像素點的灰度值，g_i表示中心像素點的第i個鄰域像素點的灰度值；s(g_i-g_c)表示第i個鄰域像素點的LBP編碼，即若g_i≥g_c則該第i個鄰域像素點的LBP編碼為1，若g_i<g_c則該第i個鄰域像素點的LBP編碼為0；R為1個或2個像素，P為8個或16個像素；

f、判斷步驟e獲取的LBP編碼是否為均勻的LBP編碼，將步驟e獲取的LBP編碼首尾相連，如果至多有兩次0和1之間的轉換，則該LBP編碼為均勻LBP編碼，將均勻LBP編碼圖像的統計直方圖作為手勢圖像的LBP特征。