[發(fā)明專利]一種基于手掌邊緣輪廓矢量化的靜態(tài)手勢識別方法

在審

• 申請?zhí)枺?/td>: 201810922085.7
• 申請日: 2018-08-14
• 公開（公告）號: CN109190516A
• 公開（公告）日: 2019-01-11
• 發(fā)明（設(shè)計）人: 董昊;王慶;宮俊
• 申請（專利權(quán)）人: 東北大學(xué)
• 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(zé)任公司 21212
• 代理人: 姜玉蓉;李洪福

本發(fā)明提供一種基于手掌邊緣輪廓矢量化的靜態(tài)手勢識別方法。本發(fā)明方法，包括：對包含手勢圖像進(jìn)行預(yù)處理得到手勢區(qū)域，確定手勢連通域質(zhì)心與方向向量，進(jìn)而確定手腕位置平行線，通過最小厚度的原則最終確定手腕位置并分割出手掌區(qū)域，針對分割出的手掌區(qū)域進(jìn)行質(zhì)心位置的修正，以修正后的質(zhì)心作為參考點(diǎn)，對輪廓進(jìn)行矢量化。該方法在手勢發(fā)生旋轉(zhuǎn)、平移、縮放時具有較高的魯棒性，同時能夠大幅度提示匹配速度以滿足實際應(yīng)用的需要。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺識別技術(shù)領(lǐng)域，具體而言，尤其涉及一種基于手掌邊緣輪廓矢量化的靜態(tài)手勢識別方法。

背景技術(shù)

隨著計算機(jī)技術(shù)的發(fā)展和電子設(shè)備的更新?lián)Q代，人機(jī)交互在人們的日常生活中顯得非常重要。人們開始追求一種更自然、更智能、更符合人類交流習(xí)慣的交互方式。由于手勢具有自然、直觀、易于學(xué)習(xí)等特點(diǎn)，基于手勢的人機(jī)交互已經(jīng)成為人機(jī)交互領(lǐng)域的研究熱點(diǎn)并且有著廣闊的應(yīng)用前景。

已有大多數(shù)手勢識別應(yīng)用利用模式分類算法完成識別，如基于形狀參數(shù)特征的位編碼序列實現(xiàn)的手勢分類，但該方法在手勢方向方面具有局限性?；谏疃刃畔⒌氖謩葑R別方法，該類方法對于設(shè)備要求較高，算法復(fù)雜度較高，且識別速度慢，難以推廣。

因此，針對于手勢的平移、旋轉(zhuǎn)、縮放等問題，目前的手勢識別方法適應(yīng)性較差，同時目前手勢識別方法識別速度較慢，有待改進(jìn)。

發(fā)明內(nèi)容

根據(jù)上述提出手勢的平移、旋轉(zhuǎn)、縮放等問題，目前的手勢識別方法適應(yīng)性較差，同時目前手勢識別方法識別速度較慢的技術(shù)問題，而提供一種基于手掌邊緣輪廓矢量化的靜態(tài)手勢識別方法。本發(fā)明的方法對包含手勢圖像進(jìn)行預(yù)處理得到手勢區(qū)域，確定手勢連通域質(zhì)心與方向向量，進(jìn)而確定手腕位置平行線，通過最小厚度的原則最終確定手腕位置并分割出手掌區(qū)域，針對分割出的手掌區(qū)域進(jìn)行質(zhì)心位置的修正，以修正后的質(zhì)心作為參考點(diǎn)，對輪廓進(jìn)行矢量化，該方法在手勢發(fā)生旋轉(zhuǎn)、平移、縮放時具有較高的魯棒性，同時能夠大幅度提示匹配速度以滿足實際應(yīng)用的需要。

本發(fā)明采用的一種基于手掌邊緣輪廓矢量化的靜態(tài)手勢識別方法，步驟如下：

S1：通過膚色分割算法，獲取含有膚色區(qū)域的二值化圖像；

S2：計算膚色區(qū)域的連通域，得到手勢區(qū)域；

S3：以圖像左下角作為原點(diǎn)建立坐標(biāo)系，確定手勢連通域的質(zhì)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(qū)域所有像素點(diǎn)的集合，(x₁,y₁)為S中任意一個像素點(diǎn)的坐標(biāo)，N為手勢區(qū)域所有像素點(diǎn)的總數(shù)；

其中(p_i,x,p_i,y)為手勢區(qū)域中的任意一點(diǎn)的坐標(biāo)；

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

S5：根據(jù)所述分割出的手掌區(qū)域修正質(zhì)心，采用Sobel算子獲取手掌區(qū)域的邊緣輪廓；

S6：對所述手掌區(qū)域的邊緣輪廓大小進(jìn)行歸一化處理；

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

S8：計算所述手掌區(qū)域輪廓矢量化邊緣序列以及模板庫中手掌區(qū)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(shè)定同類手勢相似度閾值者作為識別結(jié)果，若不存在，則認(rèn)為該手勢為未定義手勢。

進(jìn)一步地，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。