[发明专利]一种基于手形块特征和AdaBoost分类器的手部检测方法

说明书

本发明属于基于机器学习方法的目标检测领域，具体涉及一种基于手形块特征和AdaBoost分类器的手部检测方法。本发明包括：(1)模型训练；(2)手部检测本发明提出一种新的手部检测特征，叫作手形块特征。该特征是一种矩形块特征，模拟手部的形状而设计的，可体现手部形状的特点。该特征形状简单，不同尺度的块、块的不同参数会形成很高的特征维数，所以采用AdaBoost算法作为分类器，从中选择有效特征，构成级联分类器，从检测率与检测速度两方面提高手部检测效果。

技术领域

本发明属于基于机器学习方法的目标检测领域，具体涉及一种基于手形块特征和AdaBoost分类器的手部检测方法。

背景技术

手部检测是手势识别、手语识别及人体检测技术中的关键环节，同时在人机交互、手势识别、游戏控制等领域有着广阔的前景。因为人手是非刚性物体，形状变化多端，人手检测是一个具有挑战性的课题。经典的特征的往往检测效果不佳，而且检测速度也不尽人意，必须靠肤色检测来限制检测区域，从而提高检测效率。

Haar特征结合AdaBoost分类器，是人脸检测的一个经典方法，效果好且速度快。受Haar 特征的启发，本发明提出一个手形块特征，根据手部形状特点，设计了一种块特征，同样与 AdaBoost算法相结合，实现手部检测快速检测。

发明内容

本发明的目的在于提供一种基于手形块特征和AdaBoost分类器的手部检测方法。

本发明的目的是这样实现的：

(1)模型训练：

(1.1)手形块特征提取

(1.1.1)计算积分图像：

一幅图像i(x,y)的积分图像ii(x,y)作为初始值为原图像左上方所有像素值的和：

在积分图像上，一个矩形区域的灰度值和是积分图像右下角灰度值减左上角灰度值；

(1.1.2)根据积分图像计算手形块特征：

手形块特征为矩形特征，首先分为上下两部分；上半部分又分成5个区域，用1-5号区域来表示，下半部分只有一个区域，用6号区域表示，每个区域为矩形块；1、3、5三个区域对应手指，2、4区域对应指缝，6区域对应手背，从每个区域中提取4个特征：

F₁＝|G₁-G₂|+|G₃-G₂|、F₂＝|G₃-G₄|+|G₅-G₄|、F₃＝|G₁-G₃|+|G₃-G₅|、F₄＝|G₁-G₆|+|G₃-G₆|+|G₅-G₆|

其中，G₁-G₆分别为手形块特征1-6号区域的灰度和，在积分图像中，每个区域的灰度值之和为积分图像右下角灰度值减左上角灰度值；

F₁与F₂表示手指与指缝的灰度差，F₃与F₄表示手部皮肤部分的灰度值一致性；

手部块特征的训练图像尺度参数选择24*24；在训练图像中，手部块特征内部的6个区域有五种参数：上半部高度；1、3、5区域宽度；2、4区域的宽度；下半部高度；手形区域在窗口中的起始点坐标；在模型训练时，计算所有参数的手形区域，通过AdaBoost算法确定最有效的手形块参数；