一种基于肤色模型和统计特征的手势分割技术制造技术

本发明专利技术公开了一种基于肤色模型和统计特征的手势分割技术，其特征在于，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。该手势分割技术首先通过计算量简单、时间复杂度低的背景差分算法缩小手势区域，然后对剩下的感兴趣区域利用统计特征在HSV和YCbCr混合空间进行手势肤色分割，计算量少，分割精确。

A Gesture Segmentation Technology Based on Skin Color Model and Statistical Features

The invention discloses a gesture segmentation technology based on skin color model and statistical characteristics, which is characterized by the following steps: (1) establishing a statistical model, transforming the sample image in sample space from RGB color space to HSV color space and YCbCr, and calculating the statistical characteristics of several channels; (2) calculating the average value of each pixel according to the current image as the current background model; Each pixel of the current frame is distinguished as foreground or background by means of the mean method; (3) The hue value K (x, i, j) of the foreground pixel of the current image in the channel is obtained, which is judged as skin pixel or non-skin pixel by comparing with the statistical features in the corresponding channel. The gesture segmentation technology firstly reduces the gesture area by the background subtraction algorithm with simple calculation and low time complexity, and then uses statistical features to segment the remaining regions of interest in the mixed space of HSV and YCbCr for gesture skin color segmentation, with less computation and accurate segmentation.

【技术实现步骤摘要】
一种基于肤色模型和统计特征的手势分割技术
本专利技术涉及手势识别
，具体是一种基于肤色模型和统计特征的手势分割技术。
技术介绍
手势识别系统依赖于计算机视觉在任意背景杂波的存在下识别手势，这些手势之后必须能唯一地发出控制信号给计算机或者其他设备。在过去的20年里，许多研究者已经尝试并在识别手势方面取得了这样或那样的成功。一些原始系统的缺点是它们在一般的计算能力下实时性很差和识别准确率不够高，且大多数的这些技术依靠模板匹配或形状描述符并且需要比实时更多的处理时间。此外，使用者被限于佩戴手套或标记来提高可靠性，并要求在相机预设的距离。这些限制条件很多，很影响人机交互的自然性，而且通常这些设备都比较昂贵，尽管基于手套或标记的手势识别通常准确率更高，也不大适合日常使用。而基于视觉的手势识别是利用了单个或者多个摄像头来采集一系列的手势图像，再运用手势识别算法识别手势。同之前基于手套或标记的手势识别相比，基于视觉的手势识别方法使得使用者以更自然、更直接地交互，很符合人类的交互习惯，加上目前基于计算机的手势识别技术的发展已较为成熟，不过基于计算机的视觉的便携性太差，在很多场景中并不适用。在Android设备上研究手势识别技术有很好的现实意义，除了智能手机，很多电器都开始使用Android系统，比如电视盒子等等。如果能够通过手势识别技术与这些电器交互，将会很方便、很自然地操作。手势分割技术是手势识别技术一个重要步骤，基于多种数学模型开发出了不同的手势分割技术，比如动态时间规整(DTW)、时延神经网络、有限状态机模板算法、最优估计、粒子滤波和CAMSHIFT算法等等，这些算法计算量大复杂，仅适用在性能较好的计算机中，安卓设备中使用具有很高的延迟。
技术实现思路
本专利技术针对上述存在的问题，提供了一种基于肤色模型和统计特征的手势分割技术，计算量少，分割精确。本专利技术一种基于肤色模型和统计特征的手势分割技术，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。作为进一步的改进，所述统计特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮肤像素的判断标准为：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)则该前景像素为皮肤像素，否则为非皮肤像素。作为进一步的改进，前景像素的判断标准为：将当前帧像素值I(x,y)减去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于设定阀值T，则该像素为前景，反之为背景。作为进一步的改进，所述阀值T的计算方式如下：T＝Mdiff+α×STDdiff其中，α为常数；Mdiff和STDdiff分别为每个像素帧间差的平均值和标准差；其中，其中It代表t时刻图像中(x,y)处的像素值；inter为常数，代表两帧之间的间隔。作为进一步的改进，α＝2。作为进一步的改进，inter＝3。作为进一步的改进，M>30+inter。作为进一步的改进，所述均值法流程如下：a、计算N帧图像的平均值并建立一个初始背景M(x,y)，分别计算Mdiff和STDdiff；b、将当前帧减去M(x,y)得到差D(x,y)，与阀值T比较检测前景和背景像素；c、对M(x,y)、Mdiff和STDdiff进行更新：M′(x,y)＝(1-β)×M(x,y)+β×I(x,y)M′diff(x,y)＝(1-β)×Mdiff(x,y)+β×|It(x,y)-It-inter(x,y)|STD′diff(x,y)＝(1-β)×SIDdiff(x,y)+β×||It(x,y)-It-inter(x,y)|-M′diff(x,y)|其中，0<β<1；d、返回步骤b直至停止。作为进一步的改进，所述β＝0.5。作为进一步的改进，所述N＝20，图像每帧间隔时间为50ms。本专利技术具有以下有益效果：该手势分割技术首先通过计算量简单、时间复杂度低的背景差分算法缩小手势区域，然后对剩下的感兴趣区域利用统计特征在HSV和YCbCr混合空间进行手势肤色分割。具体实施方式本实施例一种基于肤色模型和统计特征的手势分割技术，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。作为进一步的改进，所述统计特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮肤像素的判断标准为：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)则该前景像素为皮肤像素，否则为非皮肤像素。作为进一步的改进，前景像素的判断标准为：将当前帧像素值I(x,y)减去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于设定阀值T，则该像素为前景，反之为背景。作为进一步的改进，所述阀值T的计算方式如下：T＝Mdiff+α×STDdiff其中，α为常数；Mdiff和STDdiff分别为每个像素帧间差的平均值和标准差；其中，其中It代表t时刻图像中(x,y)处的像素值；inter为常数，代表两帧之间的间隔。作为进一步的改进，α＝2。作为进一步的改进，inter＝3。作为进一步的改进，M>30+inter。作为进一步的改进，所述均值法流程如下：a、计算N帧图像的平均值并建立一个初始背景M(x,y)，分别计算Mdiff和STDdiff；b、将当前帧减去M(x,y)得到差D(x,y)，与阀值T比较检测前景和背景像素；c、对M(x,y)、Mdiff和STDdiff进行更新：M′(x,y)＝(1-β)×M(x,y)+β×I(x,y)M′diff(x,y)＝(1-β)×Mdiff(x,y)+β×|It(x,y)-It-inter(x,y)|STD′diff(x,y)＝(1-β)×SIDdiff(x,y)+β×||It(x,y)-It-inter(x,y)|-M′diff(x,y)|其中，0<β<1；d、返回步骤b直至停止。作为进一步的改进，所述β＝0.5。作为进一步的改进，所述N＝20，图像每帧间隔时间为50ms。实施例中系统通过Android编程获取实验手机前置摄本文档来自技高网...

【技术保护点】
1.一种基于肤色模型和统计特征的手势分割技术，其特征在于，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。

【技术特征摘要】
1.一种基于肤色模型和统计特征的手势分割技术，其特征在于，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。2.根据权利要求1所述的手势分割技术，其特征在于，所述统计特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮肤像素的判断标准为：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)则该前景像素为皮肤像素，否则为非皮肤像素。3.根据权利要求1所述的手势分割技术，其特征在于，前景像素的判断标准为：将当前帧像素值I(x,y)减去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于设定阀值T，则该像素为前景，反之为背景。4.根据权利要求1所述的手势分割技术，其特征在于，所述阀值T的计算方式如下：T＝Mdiff+α×STDdiff其中，α为常数；Mdi...

【专利技术属性】
技术研发人员：肖应旺，刘军，姚美银，张绪红，
申请(专利权)人：广东技术师范学院，
类型：发明
国别省市：广东,44