[發(fā)明專利]一種基于紅外手勢識別的數(shù)字建筑模型展示方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710190754.1
• 申請日: 2017-03-28
• 公開（公告）號: CN106952348B
• 公開（公告）日: 2020-03-27
• 發(fā)明（設計）人: 康雁;李浩;魏寶樂;周志強;時子男;李孔明;柳青;林英
• 申請（專利權）人: 云南大學
• 主分類號: G06T19/00
• 分類號: G06T19/00;G06F3/01;G06T19/20
• 代理公司: 北京科億知識產(chǎn)權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發(fā)明屬于數(shù)據(jù)處理技術領域，公開了一種基于紅外手勢識別的數(shù)字建筑模型展示方法及系統(tǒng)，模型展示方法利用全息投影技術，展示建筑物模型立體效果；并通過紅外手勢識別的交互形式實現(xiàn)建筑物模型的放大、縮小、旋轉和其建設過程的分階段演示效果；系統(tǒng)包括多媒體播放模塊，手部識別和映射模塊，WPF圖形界面模塊，手勢控制模塊和全息幻影成像模塊。本發(fā)明利用BIM的特點可以在今后的改進中對設計中或者建筑中的建筑物進行展示、布局和設計，結合本發(fā)明的系統(tǒng)便于操作的特點以對于相應范圍內的建筑或建筑群，方便建筑從業(yè)者的設計實施和調整，同時其具備的多媒體播放器模塊可以提供更多的拓展功能。

技術領域

本發(fā)明屬于數(shù)據(jù)處理技術領域，尤其涉一種基于紅外手勢識別的數(shù)字建筑模型展示方法及系統(tǒng)。

背景技術

手勢識別：目前，國內對手勢識別的研究，起步較晚。在2000年，由哈工大的吳江琴等人發(fā)表的一篇文章中，他們利用Cyberglove型號的數(shù)據(jù)手套作為手勢輸入的設備，使用動態(tài)高斯混合模型作為識別系統(tǒng)的模型，然后使用高斯N元混合密度來模擬手語信號，對于隨時間變化的M元分量進行建模，能夠對中國手語詞典的兩百多個詞條進行識別，識別率可以達到98％。HMM和的識別系統(tǒng)相比，該模型的辨識精度與HMM的識別精確度相當，同時，該模型的HMM訓練和識別速率較的訓練和識別速度有顯著改善。此外，清華大學的祝遠新、徐光佑等人給出了一種基于機器視覺的動態(tài)孤立詞手勢識別技術，他們借助圖形邊界參數(shù)和健壯回歸分析，構造出多種變化模型作為手勢的特征，接著，利用最小最大化理論來創(chuàng)建手勢識別的參考模板，利用基于模板的手勢分類技術進行手勢識別。在接下來的研究當中，他們提出了一種基于動態(tài)手勢的時空表現(xiàn)模型，并抽取基于色彩、運動和形狀等多模式的信息參數(shù)。最后使用動態(tài)時空規(guī)整(DSTW)進行手勢識別，對于給定的十多種手勢，其率別率達到了97％；2006年底，TCL公司開發(fā)出一款使用閃聯(lián)標準方法的人機交互平臺。該平臺采用了手勢的動態(tài)跟蹤，粒子濾波以及手勢識別與行為分析等技術，用戶能夠通過手勢控制鼠標，操縱家電產(chǎn)品等。

基于人手的信息交互廣泛存在于人們的日常生活當中。然而，同一個手勢由不同的人來表現(xiàn)，得到的結果很可能差別很大。這主要是因為人手高度的靈活性、嚴重的自我遮擋和尺度變化所造成的。此外，影響手勢識別的還有光照變化，復雜的室內/外環(huán)境，不同人種膚色的差異等等。盡管存在很多不確定性，但人類視覺系統(tǒng)卻可以很輕易的排除掉各種干擾，準確地分辨出不同手勢。但這對當前基于計算機視覺的手勢識別系統(tǒng)來說還是遙不可及的。到目前為止，還沒有哪一個計算機系統(tǒng)可以接近人類視覺系統(tǒng)的識別能力。此外，由于人手本身結構的復雜性，系統(tǒng)還要具有可以區(qū)分相似手勢的能力。目前，基于計算機視覺的手勢識別系統(tǒng)依然存在很多缺陷，主要包括：

1).特征提取運算效率低。要提高基于計算機視覺的手勢識別系統(tǒng)的準確率，就一定要利用相應的計算模型(Computational Model)提取最具穩(wěn)定性、最具判別性的圖像特征。然而，圖像特征提取的計算復雜度高、運行速度慢，嚴重影響系統(tǒng)的實用性。

2).特征數(shù)據(jù)量大。計算模型提取的圖像特征數(shù)據(jù)量很大。多特征數(shù)據(jù)集的分類是非常復雜的過程。而且從不同類別提取出來的特征很相似，這會嚴重限制系統(tǒng)的識別能力。為了解決這個問題，就需要從更多的樣本中提取更多的圖像特征，對大量的特征進行分析從而構建分類模型，然而這也加重了整個系統(tǒng)的處理負擔。此外，特征數(shù)據(jù)的高維度也影響了系統(tǒng)的運算效率。

3).環(huán)境的復雜。復雜的室內/外環(huán)境，多變的光照條件是另一個嚴重影響系統(tǒng)識別率的重要因素。一般來說，可以利用膚色模型來減少環(huán)境的影響。然而對于不同膚色或具有類膚色的背景來說，傳統(tǒng)的膚色模型無法準確檢測到人手的空間分布，從而影響了不同手勢的識別。

4).人手結構的復雜性。由于人手屬于三維關節(jié)體結構，它在二維平面的投影為大量的具有遮蓋特點的形狀。這個特點導致手部區(qū)域分割和提取有用特征的過程非常困難。目前最常用的解決自我遮擋的方法是令手掌與攝像頭平行，這樣做可以避免人手存在的自我遮擋問題，同時也可以達到減低維度的目的。不管采用何種方式進行手勢識別，能夠準確的從背景中分割出手勢都是關鍵的一步。