[發明專利]一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法

在審

• 申請號: 201810922085.7
• 申請日: 2018-08-14
• 公開（公告）號: CN109190516A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 董昊;王慶;宮俊
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/12
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，包括以下步驟：

S1：通過膚色分割算法，獲取含有膚色區域的二值化圖像；

S2：計算膚色區域的連通域，得到手勢區域；

S3：以圖像左下角作為原點建立坐標系，確定手勢連通域的質心手勢連通域方向向量μ_p,q以及水平方向夾角θ；

其中S為手勢區域所有像素點的集合，(x₁,y₁)為S中任意一個像素點的坐標，N為手勢區域所有像素點的總數；

其中(p_i,x,p_i,y)為手勢區域中的任意一點的坐標；

S4：獲取可能的手腕位置，并根據最小手腕厚度的原則確定手腕的位置，分割出手掌區域；

S5：根據所述分割出的手掌區域修正質心，采用Sobel算子獲取手掌區域的邊緣輪廓；

S6：對所述手掌區域的邊緣輪廓大小進行歸一化處理；

S7：將所述步驟S6得到的手掌區域輪廓矢量化，得到手掌區域輪廓矢量化邊緣序列；

S8：計算所述手掌區域輪廓矢量化邊緣序列以及模板庫中手掌區域輪廓矢量化邊緣序列的相似度；

S9：取相似度最大且大于設定同類手勢相似度閾值者作為識別結果，若不存在，則認為該手勢為未定義手勢。

2.根據權利要求1所述的一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，所述步驟S1中的膚色分割算法為使用基于YCbCr膚色空間或使用高斯膚色混合模型。

3.根據權利要求1所述的一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，所述步驟S4中的分割手掌區域的過程包括：

S401：分別獲取整個手勢區域像素點在水平方向上的最大值x_max和最小值x_min，像素點在豎直方向上最大值y_max和最小值y_min；并以(x_min,y_min)，(x_min,y_max)，(x_max,y_min)，(x_max,y_max)作為四個頂點坐標確定的矩形區域作為分割后的手勢區域；

S402：找出經過質心的方向向量平行線與上述矩形的交點；

S403：求出兩個交點與所述修正質心連線的中點，并以兩個中點為端點繪制連線M₁M₂；在M₁M₂繪制與所述連線相互垂直的直線簇，并記錄所述直線簇所包含所有直線與所述手勢區域邊緣的兩個交點，所述直線簇即為手腕位置線段的平行線，找出所有連線中兩個交點之間距離最短的連線，即為手腕位置；

S404：以所述手腕位置的連線進行分割，連線上部即為手掌區域。

4.根據權利要求1所述的一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，所述步驟S6中的歸一化處理過程包括：

以所述修正質心為圓心，所述修正質心與手掌邊緣最遠距離為半徑繪制圓形，然后以所述修正質心為基點將圓形區域縮放至單位圓區域。

5.根據權利要求1所述的一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，所述步驟S7中手勢區域輪廓矢量化的過程包括：

確定手腕處與所述修正質心距離最遠點F，以所述修正質心與所述最遠點F的連線為起始位置，以固定的角度步長逆時針方向獲取從所述修正質心發射的射線與手掌區域邊界的交點，射線與所述手掌邊界區域輪廓的交點集作為特征點集，所有相鄰兩特征點組成向量，所有向量組成向量群。

6.根據權利要求1所述的一種基于手掌邊緣輪廓矢量化的靜態手勢識別方法，其特征在于，所述步驟S8中計算手掌區域輪廓S與所述模板庫中每一類手勢的手掌區域輪廓T的相似度過程包括：

S801：設l_i為所述手掌區域輪廓S矢量化后對應的第i條向量的模，l_i′為所述模板庫中每一類手勢的手掌區域輪廓T矢量化后對應的第i條向量的模，則輪廓S與輪廓T的長度相似度計算公式如下：

其中：δ為最大容忍長度偏差；

S802：設θ_i為向量s_is_i+1和向量t_it_i+1的夾角，則輪廓S與輪廓T的角度相似度：

其中：Δ為最大容忍角度偏差；

S803：綜合考慮所述輪廓S與輪廓T的長度與角度，則所述輪廓S與輪廓T的相似度為：

其中，τ為任意常數。