[发明专利]一种静态手势识别方法

说明书

技术领域

本发明涉及一种静态手势识别方法。

背景技术

手势交互作为一种新颖的人机交互手段，已成为人机交互领域近年来的一个研究热点，基于视觉的手势识别更是手势交互所不可缺少的一项关键技术。从手势的运动特点出发，基于视觉的手势识别可分为动态手势识别和静态手势识别两大类。动态手势可以定义为手运动的轨迹，是指随时间的变化手势的形状和位置也发生着相应的改变。因此，识别效果容易受手势轮廓、时空位置、移动速率等因素的影响。静态手势可以认为是动态手势中某一个时间点下的特例，是指不随时间变化而变化的手势，其识别效果与手势的轮廓、形状、纹理等相关。由于静态手势是动态手势变化过程中的某一状态，是手势识别的核心工作。

Haitham H等提出一种利用神经网络进行手势识别的方法，该方法通过边缘检测提取样本几何矩特征和轮廓特征，然后利用神经网络对手势进行识别，但是该方法对静态手势的识别较低。王海等提出了基于Hu矩的图像旋转识别法，通过一系列数学方法将手部的图像数据映射到特征空间，其缺点是不直观，并且计算量一般都很大。Dardas N H等通过对图像进行尺度不变性特征变换和矢量化特征提取，然后用特征包和多类支持向量机对手势进行识别，该方法可以得到较好的手势识别效果，但是由于SIFT算法的计算复杂度高导致识别速度较慢，实时性差。王修晖等提出Tortoise模型表征人手部基本特征，结合遗传算法在几何与纹理混合特征空间内实现手势识别，其方法提高了实时性，但其只对几种区分度较大的手势进行了实验。何力等提出一种基于最大似然准则Hausdorff距离的手势识别算法，搜索策略采用类似于Rucklidge提出的多分辨率搜索方法，缩短了搜索时间，同时也能较好地识别字母手势，但是对部分变形(旋转和缩放)手势识别效果不好。张良国等采取手势区域轮廓特征点，利用Hausdorff距离模板匹配的思想，实现了30个中国手语手指字母的识别，但未考虑手势旋转、缩放、肤色干扰时的手势识别。杨波等提出一种空间分布特征的手势识别算法，将手势的整体表观特征与手势的关节变化特性结合起来提取手势的空间分布特征(HDF)，该方法对差异较大的手势有较高的识别率，但对区分度较小的手势，识别率不高。

发明内容

为解决以上技术上的不足，本发明提供了一种识别率高，识别速度快的静态手势识别方法。

本发明是通过以下措施实现的：

本发明一种静态手势识别方法，包括以下步骤：

步骤1，启动摄像头，获取含有目标手势的当前帧的BMP图像，用肤色分布模型把目标手势从该BMP图像中提取出来；

步骤2，求出目标手势图像的最小外接正方形，并把其缩放为标准化图像；计算出该标准化图像中目标手势的主方向，并建立二维手势直角坐标系，然后求出空间手势坐标点分布特征HCDF中的每个特征向量；

步骤3，计算步骤2中当前目标手势与样本库里每种手势的空间手势坐标点分布特征HCDF中第二个特征向量的欧氏距离，然后按照欧氏距离的值从小到大的顺序从样本库内选取出对应的M种候选手势G_m；

步骤4，根据类-Hausdorff距离公式依次计算当前目标手势C的8个点集p_i与每种候选手势G_m的8个点集q_i的类-Hausdorff距离His_m(C,G_m)，其中，Hism(C,Gm)=Σi=1,...,8Hi(pi,qi);]]>