一种用于增强现实辅助维修的静态手势识别方法及系统

摘要

本发明提供了一种用于增强现实辅助维修的静态手势识别方法及系统。所述方法具体包括如下步骤：采集视频图像并进行帧分离，得到测试样本；根据肤色范围法对测试样本中的图像进行手势和背景的分割；构建与测试样本中图像对应的静态手势特征输入向量，并对向量进行归一化处理；将归一化处理后的向量送入支持向量机，由支持向量机中的分类器进行手势识别，获得静态手势的最优分类解。本发明通过使Hu的七阶不变矩和图像归一化转动惯量NMI共同构成静态手势的八维混合特征输入向量，对图像平移、旋转、缩放具有更好的鲁棒性。且充分考虑了光照、背景、手势方位等的影响，提高了支持向量机中训练样本的准确性，提高了识别精度。

主权项

一种用于增强现实辅助维修的静态手势识别方法，其特征是，包括如下步骤：a、采集视频图像并进行帧分离，得到测试样本；b、对测试样本中的每一帧图像进行手势和背景的分割；具体是：在每一帧图像中，若像素点在YCbCr颜色空间中的Cb值处于[120,145]之间，且Cr值处于[145,180]之间，则该像素点为肤色点；否则该像素点为背景点；由相邻肤色点连通构成的最大连通区域即为手势区域，将手势区域从图像中分割出来，即实现手势和背景的分割；c、构建与测试样本中每一帧图像对应的静态手势特征输入向量；具体是：利用Hu的七阶不变矩{φ₁，...，φ₇}与图像归一化转动惯量NMI共同构成静态手势的八维混合特征输入向量φ＝{NMI,φ₁，...，φ₇}；d、对所构建的静态手势八维混合特征输入向量进行归一化处理；e、将归一化处理后的静态手势八维混合特征输入向量送入支持向量机，由支持向量机中的分类器进行手势识别，获得静态手势的最优分类解。