[发明专利]一种基于图像空间金字塔特征包的手势识别方法

权利要求书

1.一种基于图像空间金字塔特征包的手势识别方法，其特征在于包括以下步骤：

对带有手势的图像进行手势分割；

对分割出来的手势图像进行特征提取和描述；

利用提取的特征训练直方图相交核支持向量机，并根据支持向量机得到该手势图像的特征向量所属的手势类别，实现手势识别；

所述对分割出来的手势图像进行特征提取和描述包括以下步骤：

(2.1)将手势图像构造成三层手势图像，第一层将整张手势图像划分为16个子块，第二层将整张手势图像划分为4个子块，第三层为整张手势图像；

(2.2)将第三层的整张手势图像均匀分成若干个像素为16×16的小块，对每个小块生成尺度不变特征变换描述子；

(2.3)将特征变换描述子用聚类的方法生成多个聚类中心，以聚类中心为视觉词汇，所有的聚类中心构成特征包；

(2.4)对每一层手势图像的每一块进行特征包量化，得到每层图像的特征向量；

(2.5)将三层的特征向量融合成一个新的向量，用于训练直方图相交核支持向量机；

所述将三层的特征向量融合成一个新的向量具体为将加权后的三层特征向量首尾相连组成一个新的向量。

2.根据权利要求1所述的一种基于图像空间金字塔特征包的手势识别方法，其特征在于所述将特征变换描述子用聚类的方法生成多个聚类中心包括以下步骤：

①从手势样本库的特征向量空间中，任取一个向量为第一个初始聚类中心其中，为每个特征点的SIFT特征描述向量，m为从手势样本库的所有手势图像中提取的特征点个数；

②任取一个其它向量，如果该向量所得概率为目前选取向量的所得概率中的最大概率时这个向量就为下一个初始聚类中心其中为选取向量到目前已选出的所有聚类中心的最近距离；

③重复步骤②，直到选出K个初始聚类中心，

④计算特征向量空间中剩余的每个特征向量与各聚类中心之间的距离如果满足则该特征向量属于第j个类别即

⑤求出新的聚类中心其中F为迭代次数，为属于第j个聚类中心的第i个样本点，n_j是属于第j个聚类中心的样本点的个数，计算误差的平方和准则函数

⑥判断|J_c(F)-J_c(F-1)|＜ξ是否成立；其中，ξ为误差阈值，F为迭代次数；如果不成立，则F＝F+1，以c_j(F)为初始聚类中心，返回步骤④；如果成立，则此时所得的K个聚类中心为最终聚类中心。