一种基于特征向量的静态手势识别方法

摘要

本发明一种基于特征向量的静态手势识别方法，可概括为：首先在YCbCr颜色空间中用肤色特性对手势进行分割处理，然后选取特征向量描述手势，进行长度和角度归一化处理，根据特征向量确定手势中指尖的位置，最终用指尖和手势中心的相对位置对手势进行识别。该方法具有旋转不变性和缩放不变性，有很好的实时性，满足人机交互应用要求。

主权项

一种基于特征向量的静态手势识别方法，其特征在于，包括下述几个步骤：步骤1：手势分割采用Logitech QuickCam Pro9000摄像头采集图像，获得图像尺寸为320×240，图像格式为JPEG，拍摄背景无类似肤色的区域，被拍摄的用户穿非肤色长袖衣服；对得到的图像，首先从RGB颜色空间转化到YCbCr颜色空间，之后选择Cb、Cr分量的中心值和阈值，其中Cb分量中心值Cbmid＝115，Cr分量中心值Crmid＝145，阈值lthres＝15，对输入图像的各像素计算其Cb、Cr值与中心值的欧式距离dist： dist = ( Cb - Cb mid ) 2 + ( Cr - Cr mid ) 2 - - - ( 1 ) 若dist小于相应的阈值lthres，则将该像素的值设为1，否则将其值设为0，从而将输入图像转化为二值图像；对得到的二值图像进行一次腐蚀膨胀处理，并假定图像中最大连通区域为手势所在区域；步骤2：获得手势的中心、方向和边缘将手势图像转化为二值图像后，通过计算获得手势的中心、方向，并提取手势的边缘；由式(2)和式(3)计算手势中心点坐标x和y： x = Σ i = 1 n Σ j = 1 m jB [ i , j ] Σ i = 1 n Σ j = 1 m B [ i , j ] - - - ( 2 ) y = Σ i = 1 n Σ j = 1 m iB [ i , j ] Σ i = 1 n Σ j = 1 m B [ i , j ] - - - ( 3 ) 式中，B[i，j]表示图像中第i行第j列的值，图像的大小为n×m；手势方向θ的计算式如下： θ = 1 2 tan - 1 [ 2 μ 11 μ 20 - μ 02 ] - - - ( 4 ) 式中，μ11、μ20、μ02为图像的二阶中心矩；用Canny算子从二值图像中提取手势的边缘；步骤3：选取特征向量计算手势中心点和边缘各点连线的角度，找出角度与手势方向角最接近的点，以该点为起始点，对手势边界进行n等分，得到边界上的n个点；以手势中心点为起始点，边界上的n个点之一为终止点构造向量，用这n个向量来表征该手势；为消除输入图像中手势的尺寸对识别的影响，选取特征向量中长度最长的向量，将其长度设置为100，将其它向量的长度归一化到(0，100)；采用n＝60；步骤4：定位指尖位置将步骤3得到的特征向量视为一个首尾相连的向量组，消除起始点选择对向量组的影响，保证特征向量对旋转不敏感；从向量组中求出局部极大值和局部极小值，其中局部最大值对应的点为指尖点候选点，而其相邻的两个局部极小值点的角度差为手指所在区域的角度；选定手指长度阈值lth和角度阈值θth，用指尖到手势中心的长度l和手指所在区域的角度θ与设定阈值相比较来判定指尖候选点是否为指尖；当l＞lth且θ＜θth时，则该特征向量的终点所在位置为指尖位置，否则该点为非指尖；采用lth＝53，θth＝1.87；步骤5：手势识别根据步骤2和步骤4得到手势中心点和指尖位置，构造一组以手势中心点为起点，指尖位置为终点的向量；找出这些向量中两两间最大的夹角，以夹角最大的两个向量中的一个为起始向量，将其角度设置为0，在保证各向量相对角度不变的前提下，使其它向量与起始向量的逆时针夹角和之和最小，得到唯一的归一化结果；得到角度归一化的向量组后，则确定了手势包含的手指数；根据手指的相对位置和长度信息，对包含相同手指数的不同手势进行区分。