一种手势自动识别方法技术

本发明专利技术提出了一种手势自动识别方法，所述方法将获得的手势视频数据中的每帧源图像转换到YCbCr颜色空间；运用肤色椭圆模型进行皮肤检测；使用连通域分析、边缘检测和轮廓提取完成手势分割；通过手势分析来进行特征向量提取，选取图像归一化转动惯量、不变矩特征等统计特征参数，手势的外围矩形、方向、周长、面积、比例值等形状特征参数，和手指的个数、是否包含拇指等结构特征参数作为分析识别手势的参数；采用基于改进欧氏距离的模板匹配法进行手势识别。该方法可有效识别不同手势，使得以高效、直接、自然的手势为主要方式的人机交互更加接近人与人之间的交流。

【技术实现步骤摘要】
【专利摘要】本专利技术提出了，所述方法将获得的手势视频数据中的每帧源图像转换到YCbCr颜色空间；运用肤色椭圆模型进行皮肤检测；使用连通域分析、边缘检测和轮廓提取完成手势分割；通过手势分析来进行特征向量提取，选取图像归一化转动惯量、不变矩特征等统计特征参数，手势的外围矩形、方向、周长、面积、比例值等形状特征参数，和手指的个数、是否包含拇指等结构特征参数作为分析识别手势的参数；采用基于改进欧氏距离的模板匹配法进行手势识别。该方法可有效识别不同手势，使得以高效、直接、自然的手势为主要方式的人机交互更加接近人与人之间的交流。【专利说明】
本专利技术属于人机交互和计算机视觉领域，具体指的是。
技术介绍
手势识别技术是一种高效、直接、自然的人机交互方式，但是由于技术水平的限制，以及手的高自由度所引起的手势复杂、变化多样、移动高速等特性，使得手势识别成为极具挑战性的研究课题之一。
技术实现思路
本专利技术所要解决的技术问题是为了克服现有技术的不足，提出。所述方法显著提高对摄像头获取的手势图像的识别准确率和识别速度。为了解决上述技术问题，本专利技术所采用的技术方案是:，包括如下步骤:步骤A，采集手势视频数据；步骤B，对步骤A得到的视频数据中的每帧源图像进行中值滤波；步骤C，将步骤B得到的中值滤波图像映射到YCbCr颜色空间；步骤D，对步骤C得到的YCbCr颜色空间中的图像像素点，使用肤色椭圆模型进行皮肤检测，得到二值图像；步骤E，找出步骤D得到的二值图像中的面积最大连通域，并对其进行边缘检测和轮廓提取来分割手势，得到手势边缘图像和轮廓矩阵；步骤F，基于步骤D得到的二值图像和步骤E得到的边缘图像和轮廓矩阵，提取手势特征向量；步骤G，根据步骤F得到的特征向量，采用基于改进欧氏距离的模板匹配法进行手势的特征匹配和识别。步骤D中，所述皮肤检测，其具体过程如下:步骤D-1，将步骤C得到的YCbCr颜色空间中的图像像素点向CbCr平面进行投影，得到次平面；步骤D-2，对步骤D-1得到的次平面上的图像像素点做K-L变换；步骤D-3，对步骤D-2得到的K-L变换后的图像像素点用椭圆模型进行分类，得到二值图像。步骤E中，所述连通域是指二值图像中，像素点同值连片区域，该同值连片区域中，没有不同值的像素点。步骤F中，所述提取手势特征向量，其具体过程如下:步骤F-1，对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述，提取手势的统计特征参数，所述统计特征参数包括图像归一化转动惯量和不变矩特征；步骤F-2，对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述，提取手势的形状特征参数，所述形状特征参数包括外围矩形、方向、周长、面积、比例值；步骤F-3，对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述，提取手指的个数，并判定是否包含拇指。本专利技术的有益效果是:本专利技术提出了，所述方法将获得的手势视频数据中的每帧源图像转换到YCbCr颜色空间；运用肤色椭圆模型进行皮肤检测；使用连通域分析、边缘检测和轮廓提取完成手势分割；通过手势分析来进行特征向量提取，选取图像归一化转动惯量、不变矩特征等统计特征参数，手势的外围矩形、方向、周长、面积、比例值等形状特征参数，和手指的个数、是否包含拇指等结构特征参数作为分析识别手势的参数；采用基于改进欧氏距离的模板匹配法进行手势识别。该方法可有效识别不同手势，使得以高效、直接、自然的手势为主要方式的人机交互更加接近人与人之间的交流。【专利附图】【附图说明】图1是本专利技术的手势自动识别方法的流程图。图2是手势区域的外围矩形。图3是判断手势的方向。图4是扫描手势图像中手指的个数。图5是手外围矩形的中心A与手势二值图像的重心B。【具体实施方式】下面结合附图，对本专利技术提出的手势识别方法进行详细说明:如图1所示，本专利技术的手势自动识别方法，其步骤如下步骤101，采集手势视频数据；步骤102，对步骤101得到的视频数据中的每帧源图像进行预处理；步骤103，对步骤102得到的预处理后的图像由RGB颜色空间转换到YCbCr颜色空间；步骤104，对步骤103得到的YCbCr颜色空间中的图像像素点，使用肤色椭圆模型进行皮肤检测，得到二值图像；步骤105，对步骤104得到的二值图像中的最大连通域进行边缘检测和轮廓提取来分割手势，得到边缘图像和轮廓矩阵；步骤106，基于步骤104得到的二值图像和步骤105得到的边缘图像和轮廓矩阵，提取手势特征向量；步骤107，根据步骤106提取的手势特征向量判断手势的类别。下面结合图1-5详细说明本专利技术的手势自动识别方法。1.颜色空间转换本专利技术在颜色空间转换步骤使用YCbCr颜色空间。因为YCbCr具有二维独立分布性质，能够较好的限制肤色分布区域。通过对肤色像素点在YCbCr空间中做投影，可以将肤色像素点聚类成椭圆形分布。YCbCr是DVD、摄像机、数字电视等消费类视频产品中常用的色彩编码方案。YCbCr有时也称为YCC。YCbCr在模拟分量视频中也常被称为YPbPr。YCbCr不是一种绝对色彩空间，是YUV压缩和偏移的版本。YCbCr中的Y是指亮度分量，Cb指蓝色色度分量，而Cr指的是红色色度分量。YCbCr色彩模型被广泛应用在电视的色彩显示领域，具有将空间中的色度与亮度分离的特点。人的肉眼对视频的Y分量更敏感，因此在通过对色度分量进行子采样来减少色度分量后，肉眼将察觉不到图像质量的变化。YCbCr是设备无关的，与RGB之间具有简单的线性变换关系。【权利要求】1.，其特征在于，包括如下步骤: 步骤A，采集手势视频数据； 步骤B，对步骤A得到的视频数据中的每帧源图像进行中值滤波； 步骤C，将步骤B得到的中值滤波图像映射到YCbCr颜色空间； 步骤D，对步骤C得到的YCbCr颜色空间中的图像像素点，使用肤色椭圆模型进行皮肤检测，得到二值图像； 步骤E，找出步骤D得到的二值图像中的面积最大连通域，并对其进行边缘检测和轮廓提取来分割手势，得到手势边缘图像和轮廓矩阵； 步骤F，基于步骤D得到的二值图像和步骤E得到的边缘图像和轮廓矩阵，提取手势特征向量； 步骤G，根据步骤F得到的特征向量，采用基于改进欧氏距离的模板匹配法进行手势的特征匹配和识别。2.根据权利要求1所述的，其特征在于，步骤D中，所述皮肤检测，其具体过程如下: 步骤D-1，将步骤C得到的YCbCr颜色空间中的图像像素点向CbCr平面进行投影，得到次平面； 步骤D-2，对步骤D-1得到的次平面上的图像像素点做K-L变换； 步骤D-3，对步骤D-2得到的K-L变换后的图像像素点用椭圆模型进行分类，得到二值图像。3.根据权利要求1所述的，其特征在于，步骤E中，所述连通域是指二值图像中，像素点同值连片区域，该同值连片区域中，没有不同值的像素点。4.根据权利要求1所述的，其特征在于，步骤F中，所述提取手势特征向量，其具体过程如下: 步骤F-1，对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述，提取手势的统计特征参数，所述统计特征参数包括图像归一化转动惯量和不变矩特征； 步骤F-2，对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述，提取手势的本文档来自技高网...

【技术保护点】
一种手势自动识别方法，其特征在于，包括如下步骤：步骤A，采集手势视频数据；步骤B，对步骤A得到的视频数据中的每帧源图像进行中值滤波；步骤C，将步骤B得到的中值滤波图像映射到YCbCr颜色空间；步骤D，对步骤C得到的YCbCr颜色空间中的图像像素点，使用肤色椭圆模型进行皮肤检测，得到二值图像；步骤E，找出步骤D得到的二值图像中的面积最大连通域，并对其进行边缘检测和轮廓提取来分割手势，得到手势边缘图像和轮廓矩阵；步骤F，基于步骤D得到的二值图像和步骤E得到的边缘图像和轮廓矩阵，提取手势特征向量；步骤G，根据步骤F得到的特征向量，采用基于改进欧氏距离的模板匹配法进行手势的特征匹配和识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：王敏，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32