一种基于分割定位的手指甲异物检测方法技术

本文提出了一种基于分割定位的手部指甲异物检测方法。本文提取手部主要使用的是基于YCrCb颜色空间的形态学运算方法，方法传统且简单，同时有效，在得到手部图的基础上进行手指手掌的分割，主要使用了手掌掩膜算法，留下仅剩手指的图像，引入虚拟矩形的概念，对一个个的手指进行定位，找到矩形中线的最高点作为手指甲的定位点，并进行指甲图像的截取，最后通过机器学习的方式对手指甲图像进行学习判断是否有异物存在。断是否有异物存在。断是否有异物存在。

【技术实现步骤摘要】
一种基于分割定位的手指甲异物检测方法


[0001]本专利技术主要涉及图像处理技术，具体涉及一种基于分割定位的手指甲异物检测方法。

技术介绍

[0002]近些年来，随着“智慧城市”“智慧厨房”等概念层出不穷，一方面反映了人们对科技进步的需求更胜从前；另一方面，关于手部的研究也随之有了新的发展进程。如今，智慧厨房的建设也是一个热点，缘由在于人们迫切的想要将最新的技术融入到自己的日常生活中，希望自己的生活“高科技”。智慧厨房的设计概念及物化实施过程中包含五个原则，分别是厨房设施智能化、操作人性化、低碳化、交流平台开放化、餐厨一体化。而关于设施智能化最为重要的设施可能就是晨检仪了，晨检仪就是检测厨师手部是否合格的智能设备，将手部内容的检测算法与晨检仪结合在一起才能实现其目的。但是纵观国内外，对于手部的研究无非就是手势的识别与关键点的检测，而对于我们手部内容的研究少之又少。因此在这种相对比较窘迫的情势下，手部彩色图像内容检测技术就显得意义重大。
[0003]手部内容检测中有一个非常重要也相对比较容易忽视的部分，那就是关于手指甲的检测，对于手工制造业行业而言，指甲的卫生情况是非常有必要去检测的。对于指甲异物而言，有两种类别，一种是因为本身指甲长，里面留有异物，另一种则是因为爱美而涂的指甲油。通过指甲的特征来进行对比检测有点难以实现，适用情况有限，因此只能先将手部指甲提取出来再进行判别。该算法主要采用了分割定位的方式来获取手指甲图像，从而特针对手势手指识别的发展进行研究。
[0004]手势识别技术是一种通过跟踪人类的手势来识别其含义并转换成人们可以理解的语言的技术。到目前为止，该技术可以从手势交互信息采集的途径是否需要手部直接接触传感器来将手势交互系统划分成基于接触式传感器手势识别与基于非接触式传感器手势识别两类。基于接触式传感器的手势识别通常可以通过使用多个传感器的数据手套、加速度计及多点触摸屏等技术来实现，从无线仪器手套“CyberGlove II”到利用头盔和数据手套进行数据采集，再到静态手势识别等方式准确率逐渐升高，效率也随之增加。基于非接触式传感器的手势识别通常使用的技术是光学传感、雷达探测等，起初是使用摄像头采集多尺度颜色特征并分析，之后是利用传感器进行红外的手势识别，还有将手部分割成手指和手掌两部分，进行分类器的简单判别，最后便是最新的基于深度学习的手势识别框架构建等。

技术实现思路

[0005]本专利技术的目的在于提出一种基于分割定位的手指甲异物检测方法，以达到在复杂背景下的手部图像可以检测到手指甲是否有异物存在。在该专利技术中，这个实现过程都是由计算机自动完成的，用户只需要输入目标图像，就可让计算机自动分析，便可以获得是否有饰品的结果。
[0006]本专利技术的技术方案如下：
[0007]步骤S1，使用传统方法在手部特征层面上进行手部提取，获得手部提取图。
[0008]首先是在YCrCb颜色空间中将肤色提取出来，然后经过去噪与形态学运算处理之后得到大致手部的二值图，再与经过Canny算子边缘提取并填充之后的二值图进行求和，便可得到比较准确的手部二值图，再与原图进行求和就得到最终的手部提取图像。
[0009]步骤S2，对步骤S1获得的手部提取图进行手指手掌的分割，主要使用的是手掌掩膜算法。
[0010]手掌掩膜算法覆盖的是手掌，其他的是手指。
[0011]步骤S3，对步骤S2得到的仅剩手指的图像进行虚拟矩形的手指甲定位。
[0012]对于一个手指，找到包围手指的最小边界框，用最小边界盒的中心表示手指的中心点。这个中心点就视为手指甲的顶点，对其适当切割就得到手指甲的图像。
[0013]步骤S4，对步骤S3得到的手指甲图像进行机器学习，来对是否有指甲异物的结果进行判断。
[0014]根据手指甲图像特点，选择了决策树DT、支持向量机SVM、随机森林RF、K
‑
邻近算法KNN四种方法。
附图说明
[0015]读者在参照附图阅读了本专利技术的具体实施方式以后，将会更清楚地了解本专利技术的各个方面。其中，
[0016]图1为本专利技术基于分割定位的手指甲异物检测方法的流程图；
[0017]图2为本专利技术的具体实施过程图；
[0018]图3为步骤S1手部提取流程图；
[0019]图4为步骤S4机器学习对比结果展示；
[0020]图5为步骤S4机器学习方法对比实验图。
具体实施方式
[0021]步骤S1，使用传统方法在手部特征层面上进行手部提取，获得手部提取图。
[0022]首先是在YCrCb颜色空间中将肤色提取出来，然后经过去噪与形态学运算处理之后得到大3手部的二值图，再与经过Canny算子边缘提取并填充之后的二值图进行求和，便可得到比较准确的手部二值图，再与原图进行求和就得到最终的手部提取图像。
[0023]步骤S2，对步骤S1获得的手部提取图进行手指手掌的分割，主要使用的是手掌掩膜算法。
[0024]手掌掩膜算法覆盖的是手掌，其他的是手指。
[0025]首先对手图像进行距离变换，找到距离手掌中心最远的点，同时在手掌心画掌心圆。
[0026]根据内接圆使用以下公式找到手腕点：
[0027][0028]其中，S代表的是上一步我们得到的手掌内接圆点集，X
i
，X
i+1
表示的是两个连续的遮罩点，dist(.)是求取两个点的距离公式。因此，从以上公式中得到，在遮罩点集中如果两
个连续的遮罩点的距离是最大的，那么就是两个手腕点。
[0029]在手指分割图像过程中，采用标记算法对手指区域进行标记。在标记时，如果检测到的区域像素数目过小则视为噪声区域而丢弃。只有足够大小的区域才被视为手指并保留下来。
[0030]步骤S3，对步骤S2得到的仅剩手指的图像进行虚拟矩形的手指甲定位。
[0031]对于一个手指，找到包围手指的最小边界框，用最小边界盒的中心表示手指的中心点。这个中心点就视为手指甲的顶点，对其适当切割就得到手指甲的图像。
[0032]每根指头都是一个独立的个体，并且可以将其视为一个矩形，那么矩形宽边上的点是最接近手指甲的。
[0033]由于不是所有的手指的中线正好都是垂直于水平面的，于是引入从一定角度画矩形的公式，具体含义为任意一个坐标点(x,y)绕另一个坐标点(rx,ry)逆时针旋转ε角度后得到新的坐标(X,Y)
[0034][0035]步骤S4，对步骤S3得到的手指甲图像进行机器学习，来对是否有指甲异物的结果进行判断。
[0036]根据手指甲图像特点，选择了决策树DT、支持向量机SVM、随机森林RF、K
‑
邻近算法KNN四种方法，结果显示决策树的效果是最好的。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分割定位的手指甲异物检测方法，其特征在于：对手指甲异物检测时，进行以下步骤，步骤S1，使用传统方法在手部特征层面上进行手部提取，获得手部提取图；步骤S2，对步骤S1获得的手部提取图进行手指手掌的分割，主要使用的是手掌掩膜算法；步骤S3，对步骤S2得到的仅剩手指的图像进行虚拟矩形的手指甲定位；步骤S4，对步骤S3得到的手指甲图像进行机器学习，来对是否有指甲异物的结果进行判断。2.根据权利要求1所属的基于分割定位的手指甲异物检测方法，其特征在于：步骤S1使用的传统方法主要是基于在YCrCb颜色空间上对肤色区域的提取，之后经过与Canny算子提取的手部轮廓进行形态学运算得到相对完整的手部图。3.根据权利要求1所属的基于分割定位的手指甲异物检测方法，步骤S2使用的手部掩膜算法可以将手掌手指进行分割，其中比较关键的部分是在得到手掌心的基础上找到手腕...

【专利技术属性】
技术研发人员：袁玉波，车云云，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：