【技术实现步骤摘要】
本专利技术涉及人机交互领域中手势识别和手部跟踪，尤其涉及自学习的基于肤色模 型的手部跟踪装置及方法。
技术介绍
随着计算机技术的发展，人机交互关系技术也经历着巨大的变化，人们希望越来 越方便的同电脑进行交流与互动。当前在人机交互
，多媒体技术的相对成熟极大 地改善了计算机信息表现能力，同时也更显出交互输入手段的严重不足，呈现出人与计算 机输入输出通信带宽的严重脱节。多通道人机交互技术研究打破常规，突破传统交互设备， 如鼠标、键盘、遥控器等的限制，力图使人全方位地与计算机进行通信，彻底解决计算机处 理高维信息所要求的双向高通信带宽。近年来随着虚拟现实技术的迅猛发展，大大地促进 了人们在人脸识别、表情解释、口形识别、头部方位检测、视线跟踪、三维定位、手势解释和 人体姿势解释等方面研究工作的积极性和动力。人的手臂和手掌及手指共有27个自由度(6个臂部自由度，21个掌部自由度)，因 而人的手势可以传达出非常丰富的信息，并且可以作为一种更为直观和自然的交流方式。 可以为实现设备间的互联和完成无缝的数据交换提供“以人为本”的技术。随着智能手机 和平板电脑等新移动终端的...
【技术保护点】
一种自学习的基于肤色模型的手部跟踪装置，其特征在于，包括：预处理单元，包括背景模型和肤色模型，用于从本帧图像中提取手部候选区域，以及用于通过形态学检测，从手部候选区域获取初始手部区域hinit；自学习单元，用所述手部候选区域和初始手部区域hinit自学习，得到本帧自学习后的手部区域hfinal；以及后序处理单元，用于对本帧自学习后的手部区域hfinal处理，得到手部轮廓和指尖位置；所述自学习单元包括手部跟踪器、手部识别器和P?N学习器，所述手部跟踪器用于对所述初始手部区域hinit和前一帧自学习后的手部区域hfinal跟踪；所述手部识别器用P?N学习器识别的前一帧的负样本在...
【技术特征摘要】
1.一种自学习的基于肤色模型的手部跟踪装置，其特征在于，包括预处理单元，包括背景模型和肤色模型，用于从本帧图像中提取手部候选区域，以及用于通过形态学检测，从手部候选区域获取初始手部区域hinit ；自学习单元，用所述手部候选区域和初始手部区域hinit自学习，得到本帧自学习后的手部区域hfinal ；以及后序处理单元，用于对本帧自学习后的手部区域hfinal处理，得到手部轮廓和指尖位置；所述自学习单元包括手部跟踪器、手部识别器和P-N学习器，所述手部跟踪器用于对所述初始手部区域4_和前一帧自学习后的手部区域hfinal跟踪；所述手部识别器用P-N学习器识别的前一帧的负样本Λ,Γ在线训线，对所述手部候选区域识别；所述P-N学习器用手部跟踪器的跟踪结果和手部识别器的识别结果训练内部的P-N分类器，以及用P-N分类器对所述手部候选区域分类，获取本帧自学习后的手部区域hfinal。2.根据权利要求1所述的自学习的基于肤色模型的手部跟踪装置，其特征在于，所述手部识别器包括离线分类器和在线分类器，二者依次级联，离线分类器用Haar特征进行分类，在线分类器用2bit Binary特征进行在线训练和分类。3.根据权利要求1所述的自学习的基于肤色模型的手部跟踪装置，其特征在于，所述手部跟踪器包括第一模块，用于对本帧的初始手部区域hinit和前一帧自学习后的手部区域hfinal合并， 建立搜索窗；第二模块，用于从搜索窗内选取跟踪的特征点；第三模块，用于计算各个特征点的光流向量；第四模块，用于计算光流向量的加权平均值；第五模块，用于将算得的加权平均值作为搜索窗的移动矢量，更新搜索窗。4.根据权利要求3所述的自学习的基于肤色模型的手部跟踪装置，其特征在于，第三模块中采用Lucas-Kanada稀疏光流法计算光流向量；前一巾贞自学习后的手部区域hfinal特征点的权重大于本帧的初始手部区域hinit特征点的权重。5.根据权利要求3所述的自学习的基于肤色模型的手部跟踪装置，其特征在于，第二模块选取...
【专利技术属性】
技术研发人员：杨志博，袁博，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：
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。