基于深度信息的掌心定位方法及系统技术方案

本发明专利技术公开了一种基于深度信息的掌心定位方法和系统。包括：获取当前帧的人体深度图像；根据人体深度图像，获得手部区域中逐个像素的概率分布；手部区域包括手部分割区域或手部检测框区域；将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于预设概率阈值的各目标像素，以形成各目标像素区域；对各目标像素区域进行归一化处理；计算各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域；计算得到选定轮廓区域的质心位置；根据质心位置，确定当前帧的掌心位置。本发明专利技术的基于深度信息的掌心定位方法，在检测到手的基础上，能够快速、准确、稳定地定位到掌心的位置。

Palm location method and system based on depth information

The invention discloses a palm center positioning method and system based on depth information. Including: obtaining the current frame of the human depth image; according to the human depth image, get the probability distribution of each pixel in the hand area; hand area includes the hand part cut area or the hand detection frame area; compare the probability of each pixel with the preset probability threshold, and extract the probability of greater than or equal to the preset probability threshold. Each target pixel forms each target pixel region, normalizes each target pixel region, calculates the area of each target pixel region, and determines the pixel region surrounded by the maximum area contour in each target pixel region to form the selected contour region, and calculates the centroid position of the selected contour region. According to the location of the center of mass, the palm position of the current frame is determined. The palm positioning method based on depth information of the invention can quickly, accurately and stably locate the palm position on the basis of detecting the hand.

【技术实现步骤摘要】
基于深度信息的掌心定位方法及系统
本专利技术涉及交互
，特别涉及一种基于深度信息的掌心定位方法和一种基于深度信息的掌心定位系统。
技术介绍
随着新的交互技术和应用的不断发展，尤其是AR(增强现实)和VR(虚拟现实)的快速发展，手势相关技术被视为下一代新的最具代表性的交互技术。可以实现非接触式远程人机交互。在智能家居领域，智能家电或机器人可以通过手势进行控制和命令；在VR和AR邻域中可以达到逼真的实际体验，在游戏和教学过程中，极大地增强用户体验等等。所有的手势交互技术都涉及到手部检测算法。在其基础上如何更快更准更稳定找到掌心也是十分有用的。一般的常见的掌心定位算法主要是通过找到手部的检测框位置，直接以该方框的中心位置作为掌心位置，或者将检测到的手的区域轮廓求其质心或最小外接圆圆心作为掌心位置。但是，利用上述方法得到的掌心位置容易受到手部检测框变化的影响，不稳定。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提出了一种基于深度信息的掌心定位方法和一种基于深度信息的掌心定位系统。为了实现上述目的，本专利技术的第一方面，提供了一种基于深度信息的掌心定位方法，包括：步骤S110、获取当前帧的人体深度图像；步骤S120、根据所述人体深度图像，获得手部区域中逐个像素的概率分布；所述手部区域包括手部分割区域或手部检测框区域；步骤S130、将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于所述预设概率阈值的各目标像素，以形成各目标像素区域；步骤S140、对所述各目标像素区域进行归一化处理；步骤S150、计算所述各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域；步骤S160、计算得到所述选定轮廓区域的质心位置；步骤S170、根据所述质心位置，确定当前帧的掌心位置。可选地，所述步骤S140包括：归一化各目标像素区域的概率值区间在[0,1]。可选地，所述步骤S170包括：基于预先设定的带有概率权重的MeanShift算法，以所述质心位置为种子点，以选定轮廓区域求其最小外接圆半径的预设值作为滑动窗口大小的尺度，通过迭代求取最后收敛的中心位置作为当前帧的初步掌心位置。可选地，还包括：S180、优化当前帧的所述初步掌心位置；所述步骤S180包括：基于上一帧的掌心位置，确定当前帧的掌心位置影响因子；基于当前帧的初步掌心位置和当前帧的所述掌心位置影响因子，确定当前帧的最终掌心位置。可选地，根据下述关系式计算当前帧的所述最终掌心位置；Hc(t)＝Hc(t-1)*Q+C(t)*(1-Q)；其中，Hc(t)为当前帧的最终掌心位置，Q为掌心位置影响因子，C(t)为当前帧的初步掌心位置。本专利技术的第二方面，提供了一种基于深度信息的掌心定位系统，包括：获取模块，用于获取当前帧的人体深度图像；计算模块，用于根据所述人体深度图像，获得手部区域中逐个像素的概率分布；所述手部区域包括手部分割区域或手部检测框区域；比较模块，用于将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于所述预设概率阈值的各目标像素，以形成各目标像素区域；归一化处理模块，用于对所述各目标像素区域进行归一化处理；所述计算模块，还用于计算所述各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域；所述计算模块，还用于计算得到所述选定轮廓区域的质心位置；确定模块，用于根据所述质心位置，确定当前帧的掌心位置。可选地，所述归一化处理模块，用于归一化各目标像素区域的概率值区间在[0,1]。可选地，所述确定模块，还用于基于预先设定的带有概率权重的MeanShift算法，以所述质心位置为种子点，以选定轮廓区域求其最小外接圆半径的预设值作为滑动窗口大小的尺度，通过迭代求取最后收敛的中心位置作为当前帧的初步掌心位置。可选地，还包括：优化模块，用于基于上一帧的掌心位置，确定当前帧的掌心位置影响因子；以及，基于当前帧的初步掌心位置和当前帧的所述掌心位置影响因子，确定当前帧的最终掌心位置。可选地，所述优化模块，用于根据下述关系式计算当前帧的所述最终掌心位置；Hc(t)＝Hc(t-1)*Q+C(t)*(1-Q)；其中，Hc(t)为当前帧的最终掌心位置，Q为掌心位置影响因子，C(t)为当前帧的初步掌心位置，t为时间。本专利技术的基于深度信息的掌心定位方法和基于深度信息的掌心定位系统。首先，通过获取当前帧的人体深度图像，之后，根据该人体深度图像，获取手部区域中逐个像素的概率分布，并将各像素的概率与预设概率阈值进行比较，形成目标像素区域，并对该目标像素区域进行归一化处理。再之后，计算得到选定轮廓区域，并计算该选定轮廓区域的质心位置。最后，根据质心位置，确定当前帧的掌心位置。因此，本专利技术的基于深度信息的掌心定位方法和基于深度信息的掌心定位系统，消除了传统方法和技术针对掌心位置易受手部检测框大小和位置变化的影响，本专利技术的基于深度信息的掌心定位方法和基于深度信息的掌心定位系统，在检测到手的基础上，能够快速、准确、稳定地定位到掌心的位置。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中：图1为本专利技术第一实施例中基于深度信息的掌心定位方法的流程图；图2为本专利技术第二实施例中基于深度信息的掌心定位系统的结构示意图。附图标记说明100：基于深度信息的掌心定位系统；110：获取模块；120：计算模块；130：比较模块；140：归一化处理模块；150：确定模块；160：优化模块。具体实施方式以下结合附图对本专利技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限制本专利技术。参考图1，本专利技术的第一方面，涉及一种基于深度信息的掌心定位方法S100，包括：步骤S110、获取当前帧的人体深度图像。具体地，在本步骤中，可以利用深度摄像机或者深度照相机等深度图像设备获取当前帧的人体深度图像。步骤S120、根据所述人体深度图像，获得手部区域中逐个像素的概率分布；所述手部区域包括手部分割区域或手部检测框区域。步骤S130、将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于所述预设概率阈值的各目标像素，以形成各目标像素区域。步骤S140、对所述各目标像素区域进行归一化处理。步骤S150、计算所述各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域。步骤S160、计算得到所述选定轮廓区域的质心位置。步骤S170、根据所述质心位置，确定当前帧的掌心位置。本实施例中的基于深度信息的掌心定位方法S100，首先，通过获取当前帧的人体深度图像，之后，根据该人体深度图像，获取手部区域中逐个像素的概率分布，并将各像素的概率与预设概率阈值进行比较，形成目标像素区域，并对该目标像素区域进行归一化处理。再之后，计算得到选定轮廓区域，并计算该选定轮廓区域的质心位置。最后，根据质心位置，确定当前帧的掌心位置。因此，本实施例中的基于深度信息的掌心定位方法S100，消除了传统方法和技术针对掌心位置易受手部检测框大小和位置变化的影响，本实施例中的基于深度信息的掌心定位方法S100本文档来自技高网...

【技术保护点】
1.一种基于深度信息的掌心定位方法，其特征在于，包括：步骤S110、获取当前帧的人体深度图像；步骤S120、根据所述人体深度图像，获得手部区域中逐个像素的概率分布；所述手部区域包括手部分割区域或手部检测框区域；步骤S130、将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于所述预设概率阈值的各目标像素，以形成各目标像素区域；步骤S140、对所述各目标像素区域进行归一化处理；步骤S150、计算所述各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域；步骤S160、计算得到所述选定轮廓区域的质心位置；步骤S170、根据所述质心位置，确定当前帧的掌心位置。

【技术特征摘要】
1.一种基于深度信息的掌心定位方法，其特征在于，包括：步骤S110、获取当前帧的人体深度图像；步骤S120、根据所述人体深度图像，获得手部区域中逐个像素的概率分布；所述手部区域包括手部分割区域或手部检测框区域；步骤S130、将各像素的概率与预设概率阈值分别进行比较，并提取大于或等于所述预设概率阈值的各目标像素，以形成各目标像素区域；步骤S140、对所述各目标像素区域进行归一化处理；步骤S150、计算所述各目标像素区域的面积，并确定各目标像素区域中的最大面积轮廓所包围的像素区域，以形成选定轮廓区域；步骤S160、计算得到所述选定轮廓区域的质心位置；步骤S170、根据所述质心位置，确定当前帧的掌心位置。2.根据权利要求1所述的掌心定位方法，其特征在于，所述步骤S140包括：归一化各目标像素区域的概率值区间在[0,1]。3.根据权利要求1所述的掌心定位方法，其特征在于，所述步骤S170包括：基于预先设定的带有概率权重的MeanShift算法，以所述质心位置为种子点，以选定轮廓区域求其最小外接圆半径的预设值作为滑动窗口大小的尺度，通过迭代求取最后收敛的中心位置作为当前帧的初步掌心位置。4.根据权利要求3所述的掌心定位方法，其特征在于，还包括：S180、优化当前帧的所述初步掌心位置；所述步骤S180包括：基于上一帧的掌心位置，确定当前帧的掌心位置影响因子；基于当前帧的初步掌心位置和当前帧的所述掌心位置影响因子，确定当前帧的最终掌心位置。5.根据权利要求4所述的掌心定位方法，其特征在于，根据下述关系式计算当前帧的所述最终掌心位置；Hc(t)＝Hc(t-1)*Q+C(t)*(1-Q)；其中，Hc(t)为当前帧的最终掌心位置，Q为掌心位置影响因子，C(t)为当前帧的初步掌心位置。6...

【专利技术属性】
技术研发人员：王行，周晓军，盛赞，李骊，李朔，杨淼，
申请(专利权)人：北京华捷艾米科技有限公司，
类型：发明
国别省市：北京,11