本发明专利技术提出了一种基于特征图像全像素灰度值的ELM手势识别算法，该算法主要包括图像预处理和ELM手势识别两部分，其中图像预处理包括经历肤色分割、滤波、标准化和特征提取，ELM手势识别包括ELM计算和基于最大隶属度思想的识别。对于原始手势图像库，经图像预处理得到学习手势图像库，再对所述学习手势图像库中的图像进行ELM计算，最终获得原始手势特征库。待识别手势图像也经过图像预处理和ELM计算得到待识别手势特征；最后基于“最大隶属度”思想，将所述待识别手势特征与所述原始手势特征库进行匹配，从而对手势进行识别。本发明专利技术运算量小，识别速度快，在小样本训练的条件下，也能够达到很好的识别精度。
【技术实现步骤摘要】
本专利技术属于图像分析与识别
，具体涉及一种基于特征图像全像素灰度值 的ELM手势识别算法。
技术介绍
手势识别技术是指通过手的形状、手的方向或者手的运动代替鼠标、键盘等操控 设备进行人机交互的技术，当前的手势识别技术主要有两大类：基于传感器加速硬件的手 势识别技术和基于视觉信息的手势识别技术两种。前者需要操作者戴上数据手套，操作者 做出不同手势时，可根据数据手套上各传感器的数据判断当前操作者的手势和动作。这种 方法不受光线等外界因素的影响，因此其抗干扰性能较好，但数据手套造价昂贵，特别是带 有力反馈的数据手套；此外，数据手套在一定程度上对人手产生了束缚作用，使得交互不够 自然，综合考虑下，数据手套具有一定的局限性。后者是直接将人手作为输入，通过一个或 多个视觉传感器采集手部图像，并对采集的图像进行预处理和识别，从而对操作者当前的 手势和动作进行判断，给使用者提供了一种更加自然和方便地人机交互方式，具有更加广 泛的实用性，其目前也是业界关注和研宄的重点。目前，手势识别技术在医疗辅助、危机公 关、灾难救助和娱乐行业已得到一定的应用，但其广泛使用还为时尚早。 手势图像的特征提取是手势识别的重要一环。目前，常见的手势图像特征提取的 方法有：利用边缘特征像素点进行特征提取，基于图像特征包算法对手势图像进行特征提 取，利用傅里叶算子描述手势特征，利用手掌和手指的空间分布特性描述手势特征。利用 边缘特征像素点进行特征提取，不能对尺度、旋转、光照变化保持不变性，必须收集各种情 况下的手势训练样本；基于图像特征包算法对手势图像进行特征提取，该方法只描述了手 势图像的特征点的数量信息，而忽略了特征点的空间分布特性，对相似手势的识别效果不 佳；利用傅里叶算子描述手势特征与利用手掌和手指的空间分布特性描述手势特征，运算 量大，耗时太长。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于特征图像全像 素灰度值的ELM手势识别算法。 技术方案：为解决上述技术问题，本专利技术提供的基于特征图像全像素灰度值的 ELM手势识别算法，包括以下步骤： 步骤1，将原始手势图像库进行肤色分割、滤波、标准化和特征提取四个步骤的图像预 处理，得到学习手势图像库； 步骤2,对学习手势图像库进行ELM计算，获得原始手势特征库； 步骤3,对待识别手势图像依次进行图像预处理和ELM计算，进而获得待识别手势特 征； 步骤4,基于最大隶属度思想，将所述待识别手势特征与原始手势特征库进行匹配，实 现对手势的识别。 具体地，所述步骤1及步骤2与步骤3并行执行。 具体地，所述肤色分割基于单峰高斯模型，通过统计直接求得颜色空间的色度分 量的均值和方差，从而建立单峰高斯模型，最后利用该模型来判别某像素点是否为肤色。 具体地，所述标准化通过逐行、逐列扫描的方法提取手势矩形区域，去除对手势识 别正确性无影响的其他区域，有利于提高手势识别的速率。考虑到手掌区域是连通区域，可 忽略压缩过程中对手势特征的影响，因此将所述手势矩形区域标准化为LXM像素的灰度 图像。 具体地，所述特征提取是从上述的LXM像素的灰度图像中提取全部像素的灰度 值，并将其直接用于手势识别建模，与其他手势识别建模方法相比，去除了复杂的特征计 算，同时保留了图像特征的不变性。 具体地，所述滤波包括形态学滤波和块状剔除；在图像经过形态学滤波之后，图像 只包含手掌区域及杂散块状区域，杂散块状的面积远远小于手掌区域的面积，设定手掌区 域面积为S，杂散块状的面积为Sl，S2,S3…Si…，当S> 20XSi时，将杂散块状区域设置 为黑色，即得到只包含手势姿态的图像，当S< 20XSi，说明杂散块状区域过大，手势图像 被视为无效，需要重新采集手势图像。 使用时，首先，用一个或多个视觉传感器采集手势图像，并将采集到的手势图像传 送至手势识别系统作为原始手势图像库，为避免操作者手臂对手势识别产生不利影响，在 采集原始手势图像时，操作者需要穿着深色衣服。其次，由于颜色信息对方向不敏感，因此 肤色特征对于缩放、旋转、仿射以及形变具有较好的特征不变性，因而基于肤色的手势检测 是手势识别非常重要的一类方法，故而将带有背景噪声的原始手势图像，通过肤色分割提 取手势形状，并将背景设为黑色，将前景设为白色，得到二值化的手势图像；由于环境光线 等因素的影响，二值化的手势图像存在着一些颗粒状及块状的杂质，通过滤波予以处理。再 次，为去除对手势识别结果没影响的多余区域并获得规格一定的二值化手势图像，通过行 列灰度值扫描的方法，对滤波后的二值化手势图像进行手势矩形区域提取，并将该手势矩 形区域标准化为LXM像素的标准图像，以获得LXM个像素点的灰度值。原始手势图像库 经过上述处理，得到了原始手势图像库，接着，用此原始手势图像库进行ELM计算，最终获 得原始手势特征库。最后，待识别手势图像同样经过上述的图像预处理并进行ELM计算， 获得了待识别手势特征，然后，基于"最大隶属度"思想，当输出层神经元数为N时，建立不 同手势的隶属函数uAl :I:、uai:3::、? ? ? …、UA；M，对于要测试的样本s，当uAi(^zMAX{ uA1(；x)，UAr:I:，…uAi(；!〇…，}时，认为样本x属于，即样本s属于Ai类所对应的 手势。 有益效果：本专利技术将全像素灰度值直接用于手势识别建模，与其他手势识别建当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于全像素灰度值的手势识别算法，其特征在于包括以下步骤：步骤1， 将原始手势图像库进行肤色分割、滤波、标准化和特征提取四个步骤的图像预处理，得到学习手势图像库；步骤2，对学习手势图像库进行ELM计算，获得原始手势特征库；步骤3，对待识别手势图像依次进行图像预处理和ELM计算，进而获得待识别手势特征；步骤4，基于最大隶属度思想，将所述待识别手势特征与原始手势特征库进行匹配，实现对手势的识别。
【技术特征摘要】
【专利技术属性】
技术研发人员：帅立国，魏有莹，陈慧玲，范钦，刁梁，陶骏，肖禧成，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。