[發明專利]一種基于區域生長和機器學習的手部分割方法

有效

• 申請號: 201810341634.1
• 申請日: 2018-04-17
• 公開（公告）號: CN108549871B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 王行;盛贊;周曉軍;李驪;楊淼;李朔
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 李明

1.一種手部分割方法，包括如下步驟：

步驟S110：采集場景的深度圖，并確定深度圖的有效范圍；

步驟S120：將有效范圍內的像素按照深度值排序；

步驟S130：從排序后的像素中選取種子點并開始生長；

步驟S140：判斷生長區域的面積大小，若面積過小則重新選取種子點，并返回步驟S130重新進行區域生長，若面積滿足要求則進入步驟S150；

步驟S150：按照生長區域的像素索引過濾深度圖，生成只含生長區域的生長區域深度圖；

步驟S160：對步驟S150獲得的生長區域深度圖實時進行分類，以確定所述生長區域是否為手部區域；

步驟S170：對確定為手部區域的深度圖提取質心并計算其輪廓，從質心為初值、輪廓點為數據源采用mean-shift算法搜索最優手心位置。

2.如權利要求1所述的手部分割方法，其特征在于：所述步驟S110中，所述有效范圍包括深度的最近閾值和最遠閾值，所述最近閾值和所述最遠閾值根據歷史手部分割識別的結果來確定。

3.如權利要求2所述的手部分割方法，其特征在于：根據前次手部分割識別的結果確定出手部區域對應的最大深度和最小深度，在所述最大深度的基礎上加上一個裕度作為所述最遠閾值，在所述最小深度的基礎上減去一個裕度作為所述最遠閾值。

4.如權利要求2所述的手部分割方法，其特征在于：根據歷史手部分割識別的結果確定出手部區域出現過的最大深度和最小深度分別作為所述最遠閾值和所述最近閾值。

5.如權利要求1所述的手部分割方法，其特征在于：所述步驟S130中，所述生長需要滿足如下3個約束條件：

1)待定點和當前生長點的深度之差小于第一閾值，

2)待定點和種子點的深度之差小于第二閾值，

3)待定點和種子點的三維距離之差小于第三閾值，

當同時滿足3個約束條件時，記錄該待定點的像素索引為生長點，否則記錄該待定點的像素索引為非生長點，遍歷所有的生長點，當所有的生長點的生長鄰域內不再有待定點時，生長停止。

6.如權利要求1所述的手部分割方法，其特征在于：所述步驟S130中，所述生長的生長鄰域為在八鄰域的基礎上增加外圈的四角鄰域和外圈四邊中點鄰域的十六鄰域。

7.一種手部分割分類器的訓練方法，包括如下步驟：

步驟S210：根據如權利要求1-6中任一項所述的手部分割方法，采集大量生長區域的深度圖作為訓練數據集；

步驟S220：人工標記訓練數據集的label；

步驟S230：提取所有訓練數據集的特征，把這些特征組合成特征向量矩陣；

步驟S240：利用獲得的特征向量矩陣和人工標記的所述label訓練二分類器。

8.如權利要求7所述的一種手部分割分類器的訓練方法，其特征在于：所述步驟S230中，所述特征包括PCA計算特征值、輪廓面積、輪廓長度、凸包面積和包圍盒面積之一。