【技术实现步骤摘要】
一种基于手掌和手指特征的静态手势识别方法
本专利技术涉及人机交互领域，尤其涉及一种基于手掌和手指特征的静态手势识别方法。
技术介绍
目前，手势识别的方法主要分为基于深度学习的识别分类方法和基于传统计算机视觉的方法。基于深度学习的方法具有自组织、自学习的能力，抗干扰性强，但是需要大量的样本集来进行训练；基于传统计算机视觉的方法使用边缘检测、图像阈值分割等方法进行手部区域提取，选取手势的几何特征，通过模板匹配、决策树等方法进行手势分类，但是存在识别率低，实时性较差等问题。改进的方法中提出了一种基于手指轮廓和决策树的静态手势识别方法，其通过圆周序曲线对手掌轮廓进行建模，利用极值点区分手指轮廓和手腕轮廓并建立手势特征集，最后使用决策树针对不同手指个数的手势特征集进行训练和识别。但是，该专利依赖特定的输入设备，输入图像基本就是手腕以上的手部轮廓，无法适用于处理一般的视频帧，且利用极大值极小值的手指轮廓提取方法在轮廓不平滑时容易受到干扰。因此，本领域的技术人员致力于开发一种基于手掌和手指特征的静态手势识别方法。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题...
【技术保护点】
1.一种基于手掌和手指特征的静态手势识别方法，其特征在于，包含以下步骤：步骤1，获得手势的外部轮廓；步骤2，使用距离变换和外接圆求交点的方法，在所述外部轮廓的图像上，识别出掌心位置和手掌半径；步骤3，在所述外部轮廓上，计算出轮廓凸包，并结合所述掌心位置确定手指方向；步骤4，基于所述掌心位置和所述手指方向，使用所述轮廓凸包和所述外部轮廓上的凸缺陷，确定手指位置；步骤5，利用手指个数以及所述手指位置与所述掌心位置关系完成手势的分类，完成静态手势识别。
【技术特征摘要】
1.一种基于手掌和手指特征的静态手势识别方法，其特征在于，包含以下步骤：步骤1，获得手势的外部轮廓；步骤2，使用距离变换和外接圆求交点的方法，在所述外部轮廓的图像上，识别出掌心位置和手掌半径；步骤3，在所述外部轮廓上，计算出轮廓凸包，并结合所述掌心位置确定手指方向；步骤4，基于所述掌心位置和所述手指方向，使用所述轮廓凸包和所述外部轮廓上的凸缺陷，确定手指位置；步骤5，利用手指个数以及所述手指位置与所述掌心位置关系完成手势的分类，完成静态手势识别。2.如权利要求1所述的静态手势识别方法，其特征在于，步骤1中包含以下步骤：步骤1-1，对手势静态图像进行平滑处理，去除噪点；步骤1-2，利用肤色模型对所述手势静态图像进行二值化，得到封闭的肤色连通区域，即所述外部轮廓；步骤1-3，对所述外部轮廓进行轮廓预筛选。3.如权利要求2所述的静态手势识别方法，其特征在于，步骤1-1中，平滑处理的方式是高斯模糊和中值模糊。4.如权利要求2所述的静态手势识别方法，其特征在于，在步骤1-2中的二值化处理过程中，先将图像转化至HSV颜色空间，再采用如下肤色模型进行所述二值化：在所述二值化的结果中，白色设为肤色区域，黑色设为非肤色区域。5.如权利要求2所述的静态手势识别方法，其特征在于，在步骤1-3中的所述轮廓预筛选中，设定轮廓面积阈值来排除轮廓噪声。6.如权利要求1所述的静态手势识别方法，其特征在于，步骤2中，通过对所述外部轮廓内的点进行所述距离变换，筛选出距离的区域极大值，结合所述外接圆求交点的方式，得到所述掌心位置和所述手掌半径，其步骤包含：步骤2-1：对所述外部轮廓内的像素采用所述距离变换，得到各所述像素到所述外部轮廓的边界最近距离；步骤2-2：找到所述像素中，其所述最近距离是极大值的点，归并为极大值点集；步骤2-3：将所述极大值点集里的所述像素，按所述距离变换的值，由大到小排序；步骤2-4：对于排序完成的所述极大值点集内的所有所述像素，计算以所述像素为圆心以对应所述最近距离2倍为半径的圆，与所述外部轮廓的交点个数；所述交点个数最多的所述像素为所述掌心位置，所述掌心位置对应的所述距离变换的值为所述手掌半径。7.如权利要求6所述的静态手势识别方法，其特征在于，步骤2-2和步骤2-3之间插入一个优化步骤，去除噪声点，具体步骤为：步骤2-2-1：对所述外部轮廓内的像素采用所述距离变换，得到各所述像素到所述外部轮廓的边界最近距离；步骤2-2-2：找到所述像素中，其所述最近距离是极大值的点，归并为极大值点集；步骤2-2-3：将所述极大值点集里的所述像素，按所述距离变换的值，由大到小排序；步骤2-2-4：对于排序完成的所述极大值点集里的每一个所述像素，均向前遍历，判断所述像素是否落在以排序在所述像素之前的所述像素为圆心且以该像素对应所述距离变换的值为半径的圆内；...
【专利技术属性】
技术研发人员：顾佳文，李泽民，
申请(专利权)人：上海磐启微电子有限公司，
类型：发明
国别省市：上海,31
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。