[发明专利]一种视频序列中自动提取手势候选区域的方法及系统

说明书

技术领域

本发明属于智能信息处理技术领域，涉及一种视频序列中自动提取手势候选区域的方法，其应用于数字视频图像分析与理解。

背景技术

传统的人机交互方式诸如鼠标、键盘、遥控器等，都是人类去适应计算机，按照预先设定好的规范完成交互任务。近年来随着技术的不断发展，计算机的处理能力越来越强，人们开始研究符合人类交流习惯的自然人机交互技术，从以计算机为中心逐步转移到以人为中心。这些研究包括语音识别、人脸和表情识别、头部运动跟踪、凝视跟踪、手势识别以及体势识别等等。而基于视觉的手势识别研究是自然人机交互研究领域中的一个热点。

基于视觉的手势识别大致分为检测定位、跟踪、分割、识别几个阶段。其中手势的检测定位是很重要的一步，目的是确定手势在视频图像中出现的位置，手势识别的其他几个阶段都是在手势的检测定位基础之上进行的。现有的某些手势识别系统要求人工辅助实现手势的检测定位，即在系统初始化阶段要求用户将手放到某个固定区域，如美国加州大学的Mathias等人在2004年开发的手势识别系统HandVu。而其它很多关于手势识别的技术多数都仅仅依靠肤色信息进行手势的检测分割，这些技术中，往往假定手是整个图像中唯一的或者最大的肤色区域；另外，有部分研究者利用运动信息进行手势的检测定位，其同样假定手是整个图像中唯一的或者最大的运动区域。然而，以上两种方法只有在简单的应用场景才会有效，而实际应用场景一般都较为复杂而不能满足假设条件，所以很难达到效果。在有些采用模板匹配技术的手势识别系统中，其没有单独的检测定位阶段，采用预设的手势模板遍历整幅图像，找到最佳匹配位置，同时完成检测定位和识别，然而这种遍历的方法计算量很大。故，针对现有技术中存在的上述问题，是有必要进行研究，提供一种实用、有效的视频序列中手势候选区域的提取方法。

发明内容

本发明实施例的目的在于提供一种视频序列中自动提取手势候选区域的方法及系统，其融合运动信息和肤色信息，从视频图像中自动提取手势候选区域，实用有效。

本发明实施例是这样实现的，一种视频序列中自动提取手势候选区域的方法，包括下述步骤：

启动手势视频图像采集系统，采集视频图像；

构建参考背景图像；

计算生成运动描述图像；

计算获得运动分割阈值，将运动描述图像转化成二值运动图像；

肤色分割，得到二值肤色图像；

将二值运动图像和二值肤色图像逐点作逻辑与操作，得到二值融合图像；

对二值融合图像进行连通区域分析，选择手势候选区域。

进一步地，所述启动手势视频图像采集系统，采集视频图像的步骤包括：

在图像采集系统启动之后，采集M帧视频图像分别转换成灰度图，用这M帧灰度图像的平均值作为初始参考背景图像，其中，M大于等于20。

进一步地，所述构建参考背景图像的步骤包括：构建当前t时刻的参考背景图像，在初始背景建立之后，t+1时刻的参考背景图像都是在前一时刻t的参考背景图像基础上更新而得。

进一步地，所述计算生成运动描述图像的步骤包括：

将当前t时刻采集到的图像转换为灰度图，并与参考背景图像逐点作差并取绝对值，生成运动描述图像。

进一步地，所述计算获得运动分割阈值，将运动描述图像转化成二值运动图像的步骤包括：

利用最大类间方差法从运动描述图像获得运动分割阈值λ_M，利用该运动分割阈值将运动描述图像转化成二值运动图像。

进一步地，所述分割阈值λ_M的获得包括如下步骤：

计算当前t时刻运动描述图像，统计运动描述图像的幅值分布直方图；

选择一个阈值λ，将所述幅值分布直方图分成两部分，计算两部分之间的类间方差；

遍历阈值λ的所有可能取值，选择对应类间方差最大的阈值λ作为最佳阈值。

进一步地，所述肤色分割，得到二值肤色图像的步骤包括：

对当前时刻采集到的图像利用先验肤色模型肤色分割，得到当前时刻的二值肤色图像。

进一步地，所述对二值融合图像进行连通区域分析，选择手势候选区域的步骤包括：

对二值融合图像进行连通区域分析，将图中的运动肤色区域分割成多个连通区域，并计算每个连通区域的面积，即：包含的像素点数，选择面积较大的N个连通区域作为手势候选区域。

进一步地，所述选择手势候选区域包括如下步骤：