[發明專利]一種基于手掌和手指特征的靜態手勢識別方法

有效

• 申請號: 201910113909.0
• 申請日: 2019-02-14
• 公開（公告）號: CN109919039B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 顧佳文;李澤民
• 申請（專利權）人: 上海磐啟微電子有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/44;G06V10/764;G06V10/30
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

本發明公開了一種基于手掌和手指特征的靜態手勢識別方法，涉及人機交互領域。本發明通過獲得手勢的外部輪廓，使用距離變換和外接圓求交點的方法，在所述外部輪廓的圖像上，識別出掌心位置和手掌半徑；在所述外部輪廓上，識別出輪廓凸包，并結合所述掌心位置確定手指方向、基于所述掌心位置和所述手指方向，使用所述輪廓凸包和所述外部輪廓上的凸缺陷，確定手指位置；利用手指個數以及所述手指位置與所述掌心位置關系完成手勢的分類，完成靜態手勢識別。本發明使用掌心與手指作為手勢的特征，使用距離變換和外接圓求交點的方法識別掌心并識別出掌心和手指的方向，具有簡單靈活且易實現、很好的可靠性和準確性。

技術領域

本發明涉及人機交互領域，尤其涉及一種基于手掌和手指特征的靜態手勢識別方法。

背景技術

目前，手勢識別的方法主要分為基于深度學習的識別分類方法和基于傳統計算機視覺的方法。基于深度學習的方法具有自組織、自學習的能力，抗干擾性強，但是需要大量的樣本集來進行訓練；基于傳統計算機視覺的方法使用邊緣檢測、圖像閾值分割等方法進行手部區域提取，選取手勢的幾何特征，通過模板匹配、決策樹等方法進行手勢分類，但是存在識別率低，實時性較差等問題。

改進的方法中提出了一種基于手指輪廓和決策樹的靜態手勢識別方法，其通過圓周序曲線對手掌輪廓進行建模，利用極值點區分手指輪廓和手腕輪廓并建立手勢特征集，最后使用決策樹針對不同手指個數的手勢特征集進行訓練和識別。但是，該專利依賴特定的輸入設備，輸入圖像基本就是手腕以上的手部輪廓，無法適用于處理一般的視頻幀，且利用極大值極小值的手指輪廓提取方法在輪廓不平滑時容易受到干擾。

因此，本領域的技術人員致力于開發一種基于手掌和手指特征的靜態手勢識別方法。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是解決現有基于傳統計算機視覺的靜態手勢方法依賴特定的硬件輸入、回避手掌手腕以外的輪廓，特別是手臂對識別的影響、識別率低、實時性差等問題。

為實現上述目的，本發明提供了一種基于手掌和手指特征的靜態手勢識別方法，包含以下步驟：

步驟1，獲得手勢的外部輪廓；

步驟2，使用距離變換和外接圓求交點的方法，在所述外部輪廓的圖像上，識別出掌心位置和手掌半徑；

步驟3，在所述外部輪廓上，計算出輪廓凸包，并結合所述掌心位置確定手指方向；

步驟4，基于所述掌心位置和所述手指方向，使用所述輪廓凸包和所述外部輪廓上的凸缺陷，確定手指位置；

步驟5，利用手指個數以及所述手指位置與所述掌心位置關系完成手勢的分類，完成靜態手勢識別。

進一步地，步驟1中包含以下步驟：

步驟1-1，對手勢靜態圖像進行平滑處理，去除噪點；

步驟1-2，利用膚色模型對所述手勢靜態圖像進行二值化，得到封閉的膚色連通區域，即所述外部輪廓；

步驟1-3，對所述外部輪廓進行輪廓預篩選。

進一步地，步驟1-1中，平滑處理的方式是高斯模糊和中值模糊。

進一步地，在步驟1-2中的二值化處理過程中，先將圖像轉化至HSV顏色空間，再采用如下膚色模型進行所述二值化：

在所述二值化的結果中，白色設為膚色區域，黑色設為非膚色區域。

進一步地，在步驟1-3中的所述輪廓預篩選中，設定輪廓面積閾值來排除輪廓噪聲。

進一步地，步驟2中，通過對所述外部輪廓內的點進行所述距離變換，篩選出距離的區域極大值，結合所述外接圓求交點的方式，得到所述掌心位置和所述手掌半徑，其步驟包含：