【技术实现步骤摘要】
一种基于Kinect传感器静态手势识别方法
本专利技术涉及计算机视觉静态手势识别
，尤其涉及基于Kinect传感器的静态手势识别技术。
技术介绍
人工智能视觉识别技术是服务机器人开发的关键技术之一，手势识别由于具备直观、自然和丰富的特点，成为机器人视觉识别技术开发应用的热点。在人机交互机器视觉领域静态手势识别技术发展中，因为在微软推出Kinect外设传感器并解决了获取深度图像的难题，使得人手区域与背景区域在深度图像中具有不同的深度值，可以比较方便地利用阈值分割法进行手势区域检测。目前的静态手势识别虽然基于深度图像技术便利，受光照和复杂背景的干扰小，但是还是受到不同类别的特征提取的需求和步骤方法制约，如何改善和提高静态手势识别的准确率和效率是一个重要问题。
技术实现思路
本专利技术所要解决的技术问题在于，通过采用Kinect传感器获得静态手势图像并通过计算机对HOG特征提取和处理，实现识别精度和效率更高的静态手势识别技术方案。为了解决一种基于Kinect传感器静态手势识别方法，步骤包括：
【技术保护点】
1.一种基于Kinect传感器静态手势识别方法，其特征在于，包括：/n采用Kinect传感器获取静态手势的深度图像信息；/n采用计算机实现非线性的深度中值滤波将所述手部深度图像进行预处理；/n采用基于灰度直方图算法进行手势分割得到手部区域图像图像；/n采用梯度直方图HOG特征提取，得到鲁棒性较好的手部区域图像；/n采用计算机对HOG特征与标准模板的加权欧式距离最小且不超过设置阈值进行类别判定，从中选出距离最小的作为高精度结果。/n
【技术特征摘要】
1.一种基于Kinect传感器静态手势识别方法，其特征在于，包括：
采用Kinect传感器获取静态手势的深度图像信息；
采用计算机实现非线性的深度中值滤波将所述手部深度图像进行预处理；
采用基于灰度直方图算法进行手势分割得到手部区域图像图像；
采用梯度直方图HOG特征提取，得到鲁棒性较好的手部区域图像；
采用计算机对HOG特征与标准模板的加权欧式距离最小且不超过设置阈值进行类别判定，从中选出距离最小的作为高精度结果。
2.如权利要求1所述的一种基于Kinect传感器静态手势识别方法，其特征在于，所述采用梯度直方图HOG特征提取算法得到鲁棒性较好的手部区域图像，具体步骤包括：
S1041、将输入图像灰度化；
S1042、使用一维离散微分模板在水平和垂直方向计算图像中每一个像素的梯度,根据公式（1）得到每个像素梯度的幅值G（x,y）...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：苏州优它科技有限公司，
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。