[發(fā)明專利]一種基于改進(jìn)聚合通道特征的手部檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711077703.4
• 申請(qǐng)日: 2017-11-06
• 公開（公告）號(hào): CN107977604B
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 簡(jiǎn)琤峰;張美玉
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06F3/01
• 代理公司: 杭州賽科專利代理事務(wù)所(普通合伙) 33230
• 代理人: 郭薇

本發(fā)明涉及一種基于改進(jìn)聚合通道特征的手部檢測(cè)方法，通過(guò)采集到的若干圖像構(gòu)建數(shù)據(jù)集，改進(jìn)聚合通道特征，訓(xùn)練并輸出Xgboost模型，作為檢測(cè)模塊；采集待檢測(cè)圖像后，基于改進(jìn)的聚合通道特征和訓(xùn)練得到的Xgboost模型，對(duì)圖像進(jìn)行檢測(cè)，得到其中的手部圖像。本發(fā)明作為基于計(jì)算機(jī)視覺(jué)的手部檢測(cè)，具有更好的推廣潛力和價(jià)值，成本低、更為便利，同時(shí)結(jié)合了改進(jìn)ACF、色彩空間膚色模型、Edge Boxes和Xgboost，從而提高了檢測(cè)系統(tǒng)的準(zhǔn)確率，精度高、檢測(cè)性能好。

技術(shù)領(lǐng)域

本發(fā)明涉及用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形，例如，指紋的方法或裝置的技術(shù)領(lǐng)域，特別涉及一種有助于人機(jī)交互與計(jì)算機(jī)視覺(jué)領(lǐng)域開發(fā)的基于改進(jìn)聚合通道特征的手部檢測(cè)方法。

背景技術(shù)

在人機(jī)交互領(lǐng)域，人機(jī)交互一般依賴于鍵盤、鼠標(biāo)、觸摸屏等設(shè)備進(jìn)行，與前述設(shè)備相比之下，采用手部檢測(cè)、依靠手部的動(dòng)作來(lái)進(jìn)行人機(jī)交互可以明顯降低計(jì)算機(jī)等智能設(shè)備的使用門檻，且擁有更高的靈活性。

手部檢測(cè)根據(jù)數(shù)據(jù)采集方式可分為兩種，分別是基于數(shù)據(jù)手套和基于計(jì)算機(jī)視覺(jué)。基于數(shù)據(jù)手套利用使用者佩戴的特定設(shè)備采集數(shù)據(jù)，可以達(dá)到較高的精度；而基于計(jì)算機(jī)視覺(jué)則是利用攝像頭采集圖像數(shù)據(jù)，然后通過(guò)對(duì)圖像數(shù)據(jù)的分析，處理檢測(cè)任務(wù)。從便利性和成本角度考慮，由于數(shù)據(jù)手套等特定設(shè)備往往需要更高的成本，且特定設(shè)備的佩戴可能對(duì)人機(jī)交互的過(guò)程造成不舒適的體驗(yàn)，所以綜合來(lái)看，基于計(jì)算機(jī)視覺(jué)的手部檢測(cè)具有更好的推廣潛力和價(jià)值。

除此之外，基于計(jì)算機(jī)視覺(jué)的手部檢測(cè)方法，其根據(jù)處理維度的不同又可以分為三維和二維兩種。三維的手部檢測(cè)方法一般使用多目攝像頭，獲取圖像的深度信息，以此獲得更為豐富的特征信息，然而，此類方法存在建模難度高、計(jì)算量大、硬件成本高的問(wèn)題；而二維的手部檢測(cè)方法只采用單目攝像頭獲取數(shù)據(jù)，利用具有高精度、性能的數(shù)據(jù)處理方法，實(shí)現(xiàn)較高的檢測(cè)效果，然而，現(xiàn)有的基于二維計(jì)算機(jī)視覺(jué)的手部檢測(cè)識(shí)別方法存在精度低、性能差的問(wèn)題，尤其是在圖像中存在噪聲及背景中存在類膚色物體的情況下。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于改進(jìn)聚合通道特征的手部檢測(cè)方法。

本發(fā)明的技術(shù)方案為，一種基于改進(jìn)聚合通道特征的手部檢測(cè)方法，所述手部檢測(cè)方法包括以下步驟：

步驟1.1：利用攝像頭采集若干圖像，構(gòu)建數(shù)據(jù)集；

步驟1.2：基于步驟1.1的數(shù)據(jù)集，改進(jìn)聚合通道特征；訓(xùn)練并輸出Xgboost模型；

步驟1.3：利用攝像頭采集待檢測(cè)圖像；

步驟1.4：基于步驟1.2改進(jìn)的聚合通道特征和訓(xùn)練得到的Xgboost模型，檢測(cè)步驟1.3的待檢測(cè)圖像，得到其中的手部圖像，重復(fù)步驟1.3。

優(yōu)選地，所述步驟1.1中，若干圖像為包括手部的圖像。

優(yōu)選地，所述步驟1.1中，若干圖像至少具備以下條件：包含圖像噪聲、圖像背景中存在類膚色像素、光照條件覆蓋光強(qiáng)為大于300LX，手部位置可覆蓋所有圖像的任一像素。

優(yōu)選地，所述步驟1.1中，若干圖像的手部具有可描繪輪廓。

優(yōu)選地，所述步驟1.2中，具體包括以下步驟：

步驟1.2.1：基于步驟1.1的數(shù)據(jù)集，獲取圖像的樣本，通過(guò)計(jì)算交并比值，判斷定義樣本為正樣本或負(fù)樣本；

步驟1.2.2：將數(shù)據(jù)集的圖像轉(zhuǎn)換為YCbCr模式和HSV模式，分別取得Cb-Cr分量平面和H分量；

步驟1.2.3：利用結(jié)構(gòu)化邊緣檢測(cè)算法，獲得數(shù)據(jù)集的圖像的邊緣概率圖，并利用邊緣概率圖得到6個(gè)方向的邊緣概率直方圖；