一种用于手势远程控制物体的高度的控制算法制造技术

本发明专利技术提供了一种用于手势远程控制物体的高度的控制算法，通过设计上述手势识别控制算法，首先对手势和背景图像加以良好区分，接着对手势图像中的角点进行捕获，得到相应手势目标的定位，为手势追踪提供了良好的识别基础，从而能达到良好的手势远程控制的效果。

A control algorithm for object height control based on gesture remote control

The invention provides a height control algorithm for remote control of objects. By designing the gesture recognition control algorithm, the gesture and the background image are distinguished well, then the corner points in the gesture image are captured and the corresponding gesture target is fixed, which provides a good understanding of the gesture tracking. Don't base it, so as to achieve good gesture remote control effect.

【技术实现步骤摘要】
一种用于手势远程控制物体的高度的控制算法
本专利技术属于机器识别领域，具体涉及一种用于手势远程控制物体的高度的控制算法。
技术介绍
作为机器视觉领域的一项重要内容，基于视觉的手势识别及控制技术是自然的人机交互下的的一个重要分支。随着科学技术的快速发展，新一代的自然、高效的人机交互是未来发展的一个比较热门的方向，其应用前景非常广阔。自然人机交互方式主要是以下几种：语音控制、手势识别控制、体姿识别、人脸识别等。由于自然的人机交互具有简单易用通畅等特性，尤其是手势交互。将人的手势用作人与机器交互的输入信息，省去了人机之间的中间媒介，同时人手作为输入方式具有自然性、直白性、直接性和丰富性等优点，所以目前对手势交互有着较广泛的研究。手势识别控制是计算机科学和语言技术中的一个主题，目的是通过数学算法来识别人类手势。手势可以源自任何身体运动或状态，但通常源自面部或手。本领域中的当前焦点包括来自面部和手势识别的情感识别。用户可以使用简单的手势来控制或与设备交互，而无需接触他们。最初的手势识别主要是利用机器设备，直接检测手胳膊各关节的角度和空间位置。这些设备多是通过有线技术将计算机系统与用户相互连接，使用户的手势信息完整无误地传送至识别系统中，其典型设备如数据手套等。数据手套是由多个传感器件组成，通过这些传感器可将用户手的位置手指的方向等信息传送到计算机系统中。数据手套虽可提供良好的检测效果，但将其应用在常用领域则价格昂贵。其后，光学标记方法取代了数据手套将光学标记戴在人手上，通过红外线可将人手位置和手指的变化传送到系统屏幕上，该方法也可提供良好的效果，但仍需较为复杂的设备。外部设备的介入虽使得手势识别的准确度和稳定性得以提高，但却掩盖了手势自然的表达方式为此，基于视觉的手势识别方式应运而生视觉手势识别是指对视频采集设备拍摄到的包含手势的图像序列，通过计算机视觉技术进行处理，进而对手势加以识别。手势无论是静态或动态，其识别顺序首先需进行图像的获取手的检测和分割手势的分析，然后进行静态或动态的手势识别。然而，在现实应用中，手势通常处于复杂的环境下，例如:光线过亮或过暗有较多手势存在手势距采集设备距离不同等各种复杂背景因素，使得目前手势识别存在较大的困难，目前已有的识别算法或对条件有较为苛刻的要求或者是识别效果特别是手势分割还不够理想，特别是要在待识别的整幅图像中检测和识别出手势，需要大量的数据处理和计算，另外，由于运动和视频设备角度的限制，手势会出现尺度的变化，需要采用较好的手势角点判断和追踪，从而实现对手势的连续定位，以便对控制设备发送连续的控制信号。
技术实现思路
鉴于以上分析，本专利技术的主要目的在于提供一种克服上述缺陷的用于手势远程控制物体的高度的控制算法。本专利技术的目的是通过以下技术方案实现的。一种用于手势远程控制物体的高度的控制算法，其包括对手势动作进行视频捕捉成像、图像分割处理、滤波去噪、获得手势识别结果、高度控制步骤。进一步地，图像分割处理包括如下步骤：对手势图像明暗程度进行判断，如果手势图像明暗程度正常时，再对像素点(x,y)进行如下处理：设图像灰度为1～M，第i级别像素ni个，总的像素则第i级别灰度出现的比率为pi＝ni/N。设灰度限值为k。则像素按灰度级别被分为两种：C0＝{1,2,…,k}，C1＝{k+1,…,M}手势图像的灰度级别均值为：C0的灰度级别均值为：像素个数为：C1的灰度级均值为μ-μ(k)，像素个数为N-N0，背景和视觉识别手势两部分图像所占比例分别为：w1＝1-w(k)对C0和C1作处理：图像总平均值可化为：μ＝w0μ0+w1μ1种类之间的方差σ2(k)＝w0(μ-μ0)2+w1(μ-μ1)2＝w0w1(μ0-μ1)2转化为：σ2(k)＝[μ·w(k)-μ(k)]2/{w(k)·[1-w(k)]}k从1～M变化，使上述方差最大的k*即为最佳限值。上述种类之间的方差值越大，则表明识别图像中的手势和背景图像差异越大，也就是说寻找上述最佳限值可以得到最优灰度限值，从而可以对图像中的手势部分进行良好分割，而当图像过于昏暗时，则对每个像素的各通道值做线性转换后再像素做如上的处理步骤，其中线性转换的系数是目前光照条件特征值的函数。进一步地，在区分背景和手势之后，需要对手势图像进行角点获取，即特征捕获。进一步地，所述特征捕获采用滑动窗口中灰度改变来进行捕获，对于手势灰度图像I，窗口s在图像上移动[u,v]后，产生灰度改变E，灰度改变最大的点及为角点。用公式表示为：其中，s(x,y)窗口的权值函数，I(x,y)手势图像(x,y)的灰度值；对I(x+u,y+v)进行泰勒级数展开并带入上式，可得到：其中Ix和Iy为手势灰度图像在x和y方向上的求导。将上式分割成两个矩阵形式表示：令R为角点响应函数，由上述矩阵的两个特征值λ1和λ2求解R：R＝λ1λ2-k(λ1+λ2)2比较R与给定的限值Rthreshold的大小，如果R＞Rthreshold，可以断定该像素为角点。进一步地，求取角点后，由追踪器对角点进行追踪，通过图像帧间的矩阵变换，实现对整个手势的追踪定位。进一步地，对手势追踪定位后，在相应远程控制中心反馈得到的手势识别结果，通过远程控制中心控制相应执行机构，以实现对物体高度的远程控制。本专利技术的优点在于，通过设计上述手势识别控制算法，首先对手势和背景图像加以良好区分，接着对手势图像中的角点进行捕获，得到相应手势目标的定位，为手势追踪提供了良好的识别基础，从而能达到良好的手势远程控制的效果。具体实施方式在实施方式中，一种用于手势远程控制物体的高度的控制算法，其包括对手势动作进行视频捕捉成像、图像分割处理、滤波去噪、获得手势识别结果、高度控制步骤。进一步地，图像分割处理包括如下步骤：对手势图像明暗程度进行判断，如果手势图像明暗程度正常时，再对像素点(x,y)进行如下处理：设图像灰度为1～M，第i级别像素ni个，总的像素则第i级别灰度出现的比率为pi＝ni/N。设灰度限值为k。则像素按灰度级别被分为两种：C0＝{1,2,…,k}，C1＝{k+1,…,M}手势图像的灰度级别均值为：C0的灰度级别均值为：像素个数为：C1的灰度级均值为μ-μ(k)，像素个数为N-N0，背景和视觉识别手势两部分图像所占比例分别为：w1＝1-w(k)对C0和C1作处理：图像总平均值可化为：μ＝w0μ0+w1μ1种类之间的方差σ2(k)＝w0(μ-μ0)2+w1(μ-μ1)2＝w0w1(μ0-μ1)2转化为：σ2(k)＝[μ·w(k)-μ(k)]2/{w(k)·[1-w(k)]}k从1～M变化，使上述方差最大的k*即为最佳限值。上述种类之间的方差值越大，则表明识别图像中的手势和背景图像差异越大，也就是说寻找上述最佳限值可以得到最优灰度限值，从而可以对图像中的手势部分进行良好分割，而当图像过于昏暗时，则对每个像素的各通道值做线性转换后再像素做如上的处理步骤，其中线性转换的系数是目前光照条件特征值的函数。在区分背景和手势之后，需要对手势图像进行角点获取，即特征捕获。所述特征捕获采用滑动窗口中灰度改变来进行捕获，对于手势灰度图像I，窗口s在图像上移动[u,v]后，产生灰度改变E，灰度改变最大的点及为角点。用公式表示为：其中，s(x,y)窗口本文档来自技高网...

【技术保护点】
1.一种用于手势远程控制物体的高度的控制算法，其包括对手势动作进行视频捕捉成像、图像分割处理、滤波去噪、获得手势识别结果、高度控制步骤。

【技术特征摘要】
1.一种用于手势远程控制物体的高度的控制算法，其包括对手势动作进行视频捕捉成像、图像分割处理、滤波去噪、获得手势识别结果、高度控制步骤。2.如权利要求1所述的一种用于手势远程控制物体的高度的控制算法，其中图像分割处理包括如下步骤：对手势图像明暗程度进行判断，如果手势图像明暗程度正常时，再对像素点(x,y)进行如下处理：设图像灰度为1～M，第i级别像素ni个，总的像素则第i级别灰度出现的比率为pi＝ni/N。设灰度限值为k。则像素按灰度级别被分为两种：C0＝{1,2,…,k}，C1＝{k+1,…,M}手势图像的灰度级别均值为：C0的灰度级别均值为：像素个数为：C1的灰度级均值为μ-μ(k)，像素个数为N-N0，背景和视觉识别手势两部分图像所占比例分别为：w1＝1-w(k)对C0和C1作处理：图像总平均值可化为：μ＝w0μ0+w1μ1种类之间的方差σ2(k)＝w0(μ-μ0)2+w1(μ-μ1)2＝w0w1(μ0-μ1)2转化为：σ2(k)＝[μ·w(k)-μ(k)]2/{w(k)·[1-w(k)]}k从1～M变化，使上述方差最大的k*即为最佳限值，上述种类之间的方差值越大，则表明识别图像中的手势和背景图像差异越大，也就是说寻找上述最佳限值可以得到最优灰度限值，从而可以对图像中的手势部分进行良好分割，而当图像过于昏暗...

【专利技术属性】
技术研发人员：周琳，陈林瑞，
申请(专利权)人：四川东鼎里智信息技术有限责任公司，
类型：发明
国别省市：四川,51