一种基于帧融合技术的动态手势识别方法

摘要

本发明公开了一种基于帧融合技术的动态手势识别方法，其特征在于，包括如下步骤：将既定的一组动态手势根据密度分布特征划分为一组手势集合，对每个手势集合求其各个手势帧融合图像的密度分布特征参数，然后在各个集合内分别求其密度分布特征参数的平均值，将平均值作为该手势集合的模板特征向量H；对待识别的动态手势图像获取映射的静态组合图Q；计算静态组合图Q的密度分布特征，根据密度分布特征识别出动态手势所在的手势集合；根据密度分布特征的范围确定手势集合内的手势进一步选择采用Hausdorff距离方法或者指尖特征点方法。

主权项

一种基于帧融合技术的动态手势识别方法，其特征在于，包括如下步骤：(1)将既定的一组动态手势根据密度分布特征划分为一组手势集合，对每个手势集合求其各个手势帧融合图像的密度分布特征参数，然后在各个集合内分别求其密度分布特征参数的平均值，将平均值作为该手势集合的模板特征向量H；(2)对待识别的动态手势图像获取映射的静态组合图Q；(3)计算静态组合图Q的密度分布特征，根据密度分布特征识别出动态手势所在的手势集合；(4)根据密度分布特征的范围确定手势集合内的手势进一步选择采用Hausdor ff距离方法或者指尖特征点方法；所述步骤(2)包括如下步骤：(2.1)获取N帧连续动态手势序列图像{P_i},i＝0，1,2,…,N；(2.2)静态组合图Q中的像素同{P_i}中的像素的映射关系如下$\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]=\left[\begin{array}{c}\frac{a}{2}+(X-\gamma \sin \beta -\frac{A}{2})cos\alpha +(Y+\gamma cos\beta -\frac{B}{2})\sin \alpha \\ \frac{b}{2}-(X-\gamma \sin \beta -\frac{A}{2})sin\alpha -(Y+\gamma cos\beta -\frac{B}{2})cos\alpha \end{array}\right]---\left(1\right)$其中，x_i,y_i分别代表小图P_i某一像素的横纵坐标，X,Y分别表示组合图Q中对应像素的横纵坐标，a,b分别表示P_i的宽度和高度，A,B分别表示Q的宽度和高度，r为各小图P_i在Q中旋转排列的半径，α表示图形P_i自身旋转的角度，β表示过旋转后的P_i的中心的半径跟Q中所建立的直角坐标系纵坐标的夹角，且：$\alpha =\frac{3}{2}\pi +\frac{2}{N}\pi i---\left(2\right)$$\beta =\frac{2}{N}\pi i---\left(3\right).$