【技术实现步骤摘要】
本专利技术涉及人机控制
，具体涉及一种应用于助老助残移动服务机器人控制并可将静态手势与动态手势相结合的识别方法。
技术介绍
近几年来，手势识别系统的发展大大增加了研究者的兴趣，特别是运用到帮助老年人和那些由于先天残疾或者后天各种灾难和疾病造成的残障人士的辅助系统，轮椅就是其中应用较广的一种辅助运动系统。目前工程师和开发人员可以通过提供像操纵杆这样一个友好的用户界面来控制电动轮椅，随着交互方式手段的多样化的发展，也可以提供一种更新颖的、更直观的方式来操作。助老助残移动服务机器人是以轮椅为基础运用手势识别的控制系统，在设计中既要提高其自主性，也要在考虑用户自身特点和环境因素下有效弥补用户的身体缺陷并排除外界因素的干扰。如果环境比较嘈杂，那么语音识别的效果就会比较差；如果是在公共场合用户不想打扰他人的情况下，通过手势识别来控制轮椅就显得更加人性化。因此用户可以利用手势获取控制信号，将手势指令转化为驱动指令，比起其他控制轮椅运动的方式更具优势。从...
【技术保护点】
一种应用于助老助残移动服务机器人控制的手势识别方法，其特征在于，包括以下步骤：S1：获取Kinect静态手势的深度图像并使用骨骼追踪方法获取手掌心坐标S0，同时以掌心坐标S0为中心截出一块包含手掌图像的正方形区域；S2：采取自适应邻近值法对所述正方形区域所在的深度图像进行分割，以取得精确的手掌轮廓，然后对手掌轮廓进行图像形态学处理以降低手掌轮廓的细节；S3：对形态学处理过后的手掌轮廓进行椭圆拟合，以椭圆圆心为手掌轮廓的几何中心S1，建立圆周序列曲线，求出圆周序列曲线上的所有极大值和极小值，并使用一个极大值和左右各一个极小值构成极值点对；S4：求极值点对内的所有轮廓点，通过计...
【技术特征摘要】
1.一种应用于助老助残移动服务机器人控制的手势识别方法，其特征在于，
包括以下步骤：
S1：获取Kinect静态手势的深度图像并使用骨骼追踪方法获取手掌心坐标
S0，同时以掌心坐标S0为中心截出一块包含手掌图像的正方形区域；
S2：采取自适应邻近值法对所述正方形区域所在的深度图像进行分割，以
取得精确的手掌轮廓，然后对手掌轮廓进行图像形态学处理以降低手掌轮廓的
细节；
S3：对形态学处理过后的手掌轮廓进行椭圆拟合，以椭圆圆心为手掌轮廓
的几何中心S1，建立圆周序列曲线，求出圆周序列曲线上的所有极大值和极小
值，并使用一个极大值和左右各一个极小值构成极值点对；
S4：求极值点对内的所有轮廓点，通过计算每个轮廓点的梯度排除掉不合
适的轮廓点，剩下的部分便是手指轮廓或是手腕轮廓；再比较各轮廓的宽度，
取其中宽度最大且比任何其他的轮廓宽度均大两倍以上的为手腕轮廓；
S5：通过手指轮廓确定手指的个数，从而得出静态手势的识别结果来调节
移动服务机器人，即调节智能轮椅的速度大小；
S6：在步骤S5确定移动服务机器人的速度之后，做动态手势由Kinect获取
其不同时刻的手心位置，计算得到手势轨迹角度，再根据所得角度采用12方向
链码进行离散化将手势轨迹不同时刻的切线角度变化作为手势特征向量；
S7：根据经过训练的HMM模型对手势特征向量进行预测分类，其中HMM
模型为根据对样本手势区域通过使用Baum-Welch算法进行训练得到的分类模
型；
S8：以步骤S6中得到的手势特征向量中的局部特征和全局特征作为输入，
运用HMM模型进行动态手势的识别，选用Viterbi算法计算似然度识别出当前
帧中的动态手势类别，其结果用来确定移动服务机器人的运动方向，从而完成
全部的识别工作。
2.根据权利要求1所述的应用于助老助残移动服务机器人控制的手势识别
方法，其特征在于，所述步骤S2的具体实现包括：
先将深度图像所有像素点置为白色，将掌心坐标S0设为源像素，置为灰色
同时入队；只要队列不为空，就循环执行出队操作，对于每一个出队的像素点
Pij如果Pij与掌心坐标S0的深度值之差不超过阈值Threshold，则将该像素置为黑
色，否则置为白色；如果为黑色，则计算该像素Pij的深度值及与其曼哈顿距离
为1的所有白色像素Pwhile的深度值之差，其中差值不超过1的就将Pwhile设为灰
色Pgray同时入队列；当队列为空时，算法终止，标为黑色的像素便是前景像素；
采用自适应邻近值法进行前景检测，自适应邻近值法指不强行规定阈值
Threshold应该取何值，每次进行前景检测时阈值Threshold的值先从3开始取，
然后依次递增分别使用邻近值法获取前景图像，当前景图像所包含的像素与上
一次检测所包含的前景图像像素个数相差少于10时，表明前景检测已经稳定，
阈值Threshold的值不用再递增；取已经稳定的前景图像与上一次并未稳定的前
景图像之差，这个差值图像里最大的一块区域便是手腕的位置；
在取出手掌前景图像后，对前景图像进行图像形态学处理，具体是指：先
对图像作腐蚀操作，然后再做膨胀，腐蚀操作与膨胀操作所使用的均是3×3的
核，以减少手掌图像轮廓的细节；最后寻找手掌轮廓，用序列表示，完成手掌
的检测。
3.根据权利要求1所述的应用于助老助残移动服务机器人控制的手势识别
方法，其特征在于，所述步骤S3的实现具体包括：
对手掌轮廓进行椭圆拟合，以椭圆圆心作为新的轮廓几何中心S1，建立圆周
序列曲线，圆周序列曲线是手指轮廓的另一种表示形式，它在X轴上有360个
刻度，Y轴表示手掌轮廓上各角度X的点距手掌几何中心S1的最大欧几里德距
离；
使用极值点对法对圆周序列曲线上的点进行运算，求出所有的极大值点和极
小值点作为候选极大值点和候选极小值点，对于这些候选极值点，通过以下条
件进行逐个筛选：
(1)对于相连的几个极大值点，取出其中最大的一个；
(2)两个极大值点之间有且只有两个极小值点，如果大于两个，则将中间的候
选极小值点删掉，留下两边的，如果只有一个，则复制一个跟它一样的极小值
点；
(3)将一个极大值点和紧帖在它两边的两个极小值点组成一组极值点对，每组
极值点对为一根候选手指或候选手腕，计算各组点对中极大值与极小值的平均
差，对于平均差较小的点对，属于干扰点对，从候选手指中删除。
4.根据权利要求1所述的应用于助老助残移动服务机器人控制的手势识别
方法，其特征在于，所述步骤S4的实现具体包括：
取出极值点对中所包含的所有轮廓点，以极大值点为中点分为左右两部分，
对左边部分上的每一个轮廓点求它的梯度方向上的直线是否能与右边部分相
交，如果不相交，则...
【专利技术属性】
技术研发人员：徐国政，胡艺，朱博，高翔，陈盛，王强，
申请(专利权)人：南京邮电大学，
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。