基于肤色与形态特征的动态手势识别方法

摘要

本发明公开了一种基于肤色与形态特征的动态手势识别方法，该方法为：采集视频图像，得到当前的视频帧；对采集到的视频帧作肤色阈值处理，得到肤色二值图像；将二值图像进行滤波降噪处理，提高图像质量；检测识别肤色二值图像中的人手部分；根据人手部分的重心位置信息识别手势的动作。本发明具有一下优点：（1）实时性好，响应时间短，可以应用到人机交互领域；（2）成本低廉，通过摄像头和计算机或DSP之类的处理设备即可组成；（3）稳定性好，对于手势的旋转、平移、变形，本算法都有较好的处理效果。本发明可应用于人机交互领域。

主权项

1.一种基于肤色与形态特征的动态手势识别方法，其特征在于：包括以下步骤：步骤1：初始化，并截取一帧M×N大小的彩色图像，记为S₁，其中M和N为正整数，分别表示图像矩阵的行数和列数；步骤2：对图像S₁作高斯滤波处理，其方法为：首先，确定高斯滤波器模板，二维高斯函数的表达式为：$G(x,y)=e^{-\frac{x^2+y^2}{2{\sigma }^2}}$设定σ²和n，可以确定高斯模板权值，取和n＝3，可以得到高斯模板：$G=\left(\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right)$其次，用模板G扫描图像S₁中的每一个像素，经过滤波后的图像记为S₂，S₂中第i行第j列的像素点的值，记为，由图像S₁中第i行第j列的像素值，记为V_(i，j)，和其领域内的其他像素值经过加权平均后得到，公式如下：$V_{(i,j)}{|}_{S_2}=G\left(\begin{array}{ccc}{V}_{(i-1,j-1)}& V_{(i-1,j)}& V_{(i-1,j+1)}\\ V_{(i,j-1)}& V_{(i,j)}& V_{(i,j+1)}\\ V_{(i+1,j-1)}& V_{(i+1,j)}& V_{(i+1,j+1)}\end{array}\right)$步骤3：将图像S₂由RGB色彩空间转换为YCrCb色彩空间，具体方法为：将图像中第i行第j列的像素点记为(i，j)，点(i，j)的RGB值分别记为R_(i，j)，G_(i，j)，B_(i，j)，那么对应的YCrCb颜色空间的Y_(i，j)，Cr_(i，j)，Cb_(i，j)值分别为：$\left\{\begin{array}{c}{Y}_{(i,j)}=0.299*R_{(i,j)}+0.587*G_{(i,j)}+0.114*B_{(i,j)}\\ {\mathrm{Cr}}_{(i,j)}=-0.147*R_{(i,j)}-0.289*G_{(i,j)}+0.436*B_{(i,j)}\\ {\mathrm{Cb}}_{(i,j)}=0.615*R_{(i,j)}-0.515*G_{(i,j)}-0.100*B_{(i,j)}\end{array}\right.$求出每个像素点的Y_(i，j)，Cr_(i，j)，Cb_(i，j)值，得到YCrCb颜色空间的图像，记为S₃；步骤4：对图像S₃作阈值分割处理，其方法如下：人皮肤颜色在YCrCb颜色空间中的Cr和Cb分量分布近似于一个椭圆形，其分布可由以下公式得到：$\frac{x^2}{a^2}+\frac{y^2}{b^2}=K$其中，a＝25，b＝14，x，y的值由由以下公式决定：x＝25.6*(Cr_(i,j)-109)-19.2*(Cb_(i,j)-152)+51y＝25.6*(Cr_(i,j)-109)+19.2*(Cb_(i,j)-152)+77根据求出的K的值，对图像S₃进行肤色分割，对于点(i,j)，计算出其K值，将K的值与拟合椭圆方程的右值比较，若K的值小，则说明点(i,j)在拟合椭圆中，属于肤色点；若K的值大，则说明点(i,j)部在拟合椭圆中，属于非肤色点，由于拟合椭圆方程和YCrCb中的Y分量也有关系，故对于不同的Y值采取不同的拟合值，将图像S₃肤色分割后的图像记为S₄，S₄中像素点(i,j)的值记为V_(i,j)，V_(i,j)的值由以下阈值判决准则得到：执行阈值判决准则得到新的图像S₄，其为二值图像，大小为M×N；步骤5：对图像S₄作数字形态学处理，其方法如下：设3×3的结构元素B的取值为：$B=\left(\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right)$首先，腐蚀图像，用结构元素B扫描图像S₄中的每一个图像，将结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素值为1，否则为0，将结果图像的值赋给S₄；其次，膨胀图像，用结构元素B扫描图像S₄中的每一个图像，将结构元素与其覆盖的二值图像做“与”操作，如果都为0，结果图像的该像素值为0，否则为1，将结果图像的值赋给S₄；步骤6：从图像S₄中检测人手肤色块；步骤7：检测手的动态运动信息。