【技术实现步骤摘要】
一种基于视觉的静态手势识别方法
本专利技术涉及一种基于视觉的静态手势识别方法,属于人机交互
技术介绍
随着计算机技术的迅速发展,人机交互技术已经成为了各国研究者研究的热点。传统的人机交互方式主要是基于键盘、鼠标等设备,这种方式非常不方便,越来越不能满足人们的需求。由于手势具有生动、形象、直观等特点,使得它在人机交互领域有着至关重要的作用。手势识别一般分为基于数据手套的手势识别和基于视觉的手势识别。基于数据手套的手势识别一般是在人的手上佩戴一些传感设备,对人手运动的速度,加速度等物理量进行信号分析,从而获得手势的信息。这种方式比较有利于获得手势的运动信息,识别率比较高,实时性也比较好,但是,由于需要穿戴传感设备,使得这种交互方式变得不方便也不自由,而且这些传感设备也比较昂贵。相比较而言,基于视觉的手势识别不需要价格昂贵的传感设备,只是利用摄像头拍摄到手势的图像数据,然后对图像数据进行处理分析。这种方式自然,方便,不需要佩戴专用设备,为人机交互提供了一种直观的交流方式,但是它的识别率还比较低,实时性也不好,比较容易受到光照,背景等的干扰。因此对于这种方式还有待于研究者的进一步研究。目前,基于视觉的手势识别的过程一般是:采集手势图像,对图像进行预处理,特征提取,识别分类。其中,对识别结果影响比较大的是特征提取和分类器的设计。比较常用的特征有SIFT(Scale-InvariantFeatureTransform,尺度不变特征转换)、HOG(HistogramofGradient,梯度方向直方图),LBP(LocalBinaryPattern,局部二值模 ...
【技术保护点】
一种基于视觉的静态手势识别方法,其特征在于,具体步骤包括:A、训练阶段(1)采集训练手势图像样本;(2)对步骤(1)采集到的训练手势图像进行预处理;(3)提取步骤(2)预处理后的训练手势灰度图像的LBP特征;(4)提取步骤(2)预处理后的训练手势轮廓图像的CSS角点特征;(5)融合步骤(3)得到的训练手势图像的LBP特征及步骤(4)得到的训练手势图像的CSS角点特征,训练基于压缩感知理论的分类器;B、测试阶段(6)采集测试手势图像样本;(7)对步骤(6)采集到的测试手势图像进行预处理;(8)提取步骤(7)预处理后的测试手势灰度图像的LBP特征;(9)提取步骤(7)预处理后的测试手势轮廓图像的CSS角点特征;(10)融合步骤(8)得到的测试手势图像的LBP特征及步骤(9)得到的测试手势图像的CSS角点特征,利用步骤(5)训练好的分类器进行分类。
【技术特征摘要】
1.一种基于视觉的静态手势识别方法,其特征在于,具体步骤包括:A、训练阶段(1)采集训练手势图像样本;(2)对步骤(1)采集到的训练手势图像进行预处理;(3)提取步骤(2)预处理后的训练手势灰度图像的LBP特征;(4)提取步骤(2)预处理后的训练手势轮廓图像的CSS角点特征;(5)融合步骤(3)得到的训练手势图像的LBP特征及步骤(4)得到的训练手势图像的CSS角点特征,训练基于压缩感知理论的分类器;B、测试阶段(6)采集测试手势图像样本;(7)对步骤(6)采集到的测试手势图像进行预处理;(8)提取步骤(7)预处理后的测试手势灰度图像的LBP特征;(9)提取步骤(7)预处理后的测试手势轮廓图像的CSS角点特征;(10)融合步骤(8)得到的测试手势图像的LBP特征及步骤(9)得到的测试手势图像的CSS角点特征,利用步骤(5)训练好的分类器进行分类;步骤(4)、步骤(9)提取手势图像的CSS角点特征,具体包括:g、找到步骤(2)、步骤(7)预处理后的手势图像的轮廓上的T形交叉点,标记为T形角点,设定手势图像的轮廓函数为Г(μ)=(x(μ),y(μ)),将轮廓上的点用弧长参数μ表达,x(μ)是轮廓上点的横坐标,y(μ)是轮廓上点的纵坐标;将Г(μ)在不同尺度的高斯函数g(μ,σ)下滤波得到不同尺度下的轮廓函数Гσ(μ)=(X(μ,σ),Y(μ,σ)),X(μ,σ)=x(μ)*g(μ,σ),Y(μ,σ)=y(μ)*g(μ,σ),σ是尺度参数,*为卷积运算符;计算在一个较低的尺度σ下的轮廓函数Гσ(μ)的曲率κ(μ,σ),所述较低的尺度σ的取值范围为3.0-4.0,如式(Ⅱ)所示:式(Ⅱ)中,h、将步骤g得到的局部曲率极大点作为候选角点,利用式(III)确定候选角点的局部自适应阈值T(μ1),式(III)中,μ1是候选角点在曲线上的位置,表示候选角点的邻域区域内的平均曲率,L1和L2是邻域区域的大小,i表示邻域区域内的点,κ(i)表示邻域区域内的点的曲率,C为一个系数,C的取值范围为1<C<2,将局部自适应阈值与候选角点的曲率进行比较,如果该候选角点的曲率小于其局部自适应阈值,则将该候选角点剔除;i、利用自适应支持区域检测候选角点的角度,如果候选角点的角度取值范围为170°-190°,则将其剔除。2.根据权利要求1所述的一种基于视觉的静态手势识别方法,其特征在于,步骤(2)、步骤(7)所述预处理,具体包括:a、将彩色图像变换为灰度图像;b、利用基于阈值的二值化方法对步骤a得到的灰度图像进行处理,得到手势的二值图像;c、对步骤b得到的手势的二值图像进行形态学处理,得到手势区域平滑的二值图像;d、采用边缘检测算法得到手势的轮廓边缘。3.根据权利要求1所述的一种基于视觉的静态手势识别方法,其特征在于,步骤(3)、步骤(8)提取手势图像的LBP特征向量,具体包括:e、设定所述手势图像中的一个像素点为中心像素点,则以中心像素点为圆心、半径为R的P个邻域像素点上的LBP值LBPP-R的求取公式如式(Ⅰ)所示:式(Ⅰ)中,gc表示中心像素点的灰度值,gi表示中心像素点的第i个邻域像素点的灰度值;s(gi-gc)表示第i个邻域像素点的LBP编码,即若gi≥gc则该第i个邻域像素点的LBP编码为1,若g...
【专利技术属性】
技术研发人员:杨明强,庄会伟,贲晛烨,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东;37
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。