一种基于计算机视觉的实时手势交互方法

摘要

本发明公开一种基于计算机视觉的实时手势交互方法，包括：从图像输入设备获取数字图像；通过统计学方法进行人手的检测；根据检测结果对人手轮廓跟踪器进行初始化，并计算特定人手的肤色模型；通过条件概率密度传播算法和启发式搜索技术相结合的方法对人手轮廓进行跟踪；通过隐马尔科夫模型对人手运动轨迹进行分析，得到手势识别结果；将手势分析的结果用于各种应用程序的交互。本发明实时手势交互方法扩展了传统的鼠标键盘交互方式，利用计算机视觉与图像处理技术实现了自动的人手检测、跟踪与手势识别，实时、鲁棒、易于实现和操作，能使计算机用户通过手部姿态与计算机进行更自然、更直观、更智能的交互。

主权项

一种基于计算机视觉的实时手势交互方法，其特征在于，包括如下步骤：步骤S1：通过统计方法学习人手目标样本，得到级联结构的分类器；步骤S2：通过统计方法学习预定义手势的样本，得到各手势的隐马尔科夫模型；步骤S3：通过图像输入设备实时采集视频图像，如果手势当前已经开始，则执行步骤S8；否则执行步骤S4；步骤S4：利用级联结构的分类器在输入的视频图像上进行人手检测，如果检测成功，则执行步骤S5；如果检测不成功，则执行步骤S3；步骤S5：利用人手在图像中的位置，判断手势是否开始，如果手势开始，执行步骤S6，如果没开始手势，执行步骤S3；步骤S6：根据人手在图像中的位置初始化人手轮廓跟踪算法，得到初始人手轮廓；步骤S7：根据初始人手轮廓建立人手的肤色模型，返回步骤S3；步骤S8：利用轮廓跟踪算法跟踪视频图像中人手轮廓，得到视频图像中的人手轮廓状态及手势轨迹；步骤S9：根据人手轮廓状态及手势轨迹，判断手势是否终止，如果有握手动作发生则手势终止，则执行步骤S10，如果没有握手动作发生但跟踪时间超过预先选定的时间阈值，则认为手势终止，执行步骤S10；如果没有握手动作发生且跟踪时间小于预先选定的时间阈值，则手势没有终止，执行步骤S3；步骤S10：利用隐马尔科夫模型，对手势轨迹进行识别，得到手势的识别结果；步骤S11：将手势识别结果用于具体应用。