基于图像深度信息的智能轮椅手势识别控制方法

摘要

本发明涉及一种基于图像深度信息的智能轮椅手势识别控制方法，涉及计算机视觉和人工智能领域。本发明过图像的深度信息将手部才复杂的背景中分割出来，随后通过SUSAN和OPTA算法对手部图像进行边缘提取和细化，然后用Freeman链码计算边缘与掌心的欧几里德距离，通过RBF神经网络训练得到分类器，将待检测视频与分类器进行匹配，得到手势识别的目的，从而控制智能轮椅的运动（前进、后退、左转、右转）。其中，在对手部进行分割的过程中，使用了图像深度信息进行手势分割，克服了应用过程中光照等复杂的环境因素的影响，大大提高了手势的检测精度。

主权项

一种基于图像深度信息的智能轮椅手势识别控制方法，其特征在于包括以下步骤：101、采用3D体感摄影机Kinect获取智能轮椅上被测者的手势视频信号，并抓取该手势视频信号的一帧图像作为分割图像，采用图像预处理法对该分割图像进行过滤；102、对步骤101中经过过滤的分割图像采用灰度直方图方法确定深度阈值。通过灰度直方图中灰度值由大到小的变化，寻找像素点剧变较大的灰度值处作为手像素区域分割的阈值，分离出手势图像，并将分离出的手势图像转换成手势二值图；103、采用SUSAN算法将步骤102中得到的手势二值图进行边缘提取得到手势特征向量，采用Freman链码法沿着手势的边缘顺序求得每个手势特征向量，其中每个手势特征向量为手的边缘点到掌心的距离ri的集合；104、采用OPTA算法对步骤103中得到的手势特征向量进行边缘细化，得到经过边缘细化后的优化手势特征向量；105、将步骤104中的优化手势特征向量采用径向基函数神经网络RBF进行分类训练，与预先设置的训练数据进行对比，得出手势命令,并根据该手势命令输出手势控制指令传送给智能轮椅，所述智能轮椅根据手势控制指令运动，完成智能轮椅的手势识别控制。