[发明专利]一种基于面积特征的PCA静态手势识别方法

权利要求书

1.一种基于面积特征的PCA静态手势识别方法，其特征在于：所述方法包括：

第一步，对于通过摄像头捕捉到的图像进行处理，获得标准的手势图像；

第二步，对第一步得到的手势图像进行包围盒处理，并将其投影到标准图像；

第三步，获取第二步得到的标准图像中的手势区域形心、最远点和主方向；

第四步，获取标准图像12区域最远点特征信息；

第五步，获取标准图像的面积特征信息；

第六步，采用PCA算法进行静态手势识别；

所述第四步是这样实现的：

以手势区域形心为中心，以30度角为旋转角将手势区域划分为12个区域，其中第一区域为主方向左右15度角组成的区域，从第一区域开始，逆时针方向上依次为第二区域到第十二区域，取得12区域最远点的特征信息步骤如下：

Step1.计算得到每个区域的最远点，并计算最远点到形心的距离，比较得到其中的最大距离；

Step2.将最大距离平均分为5段，则得到5个分组，距离形心最近的为第一组，距离形心最远的为第五组；

Step3.分别计算12个最远点落到5个分组的次数；

Step4.将得到的落到5个区域的次数除以12以均一化12区域最远点特征数据；得到长度为5的12区域最远点特征向量U＝{μ₁,μ₂,μ₃,μ₄,μ₅}。

2.根据权利要求1所述的基于面积特征的PCA静态手势识别方法，其特征在于：所述第一步是这样实现的：

对于通过摄像头捕捉到的图像采用基于RGB和YCbCr颜色空间肤色模型对手势区域进行分割处理，得到手势图像；

对所述手势图像进行以下处理：

两次八领域去噪，消去图像中的噪点；

腐蚀处理，使手势图像中略微相连的连通域划分为两个独立的连通域；

连通域处理，并计算各个连通域的面积，将较大的非手势区域做背景处理，即将非手势区域置为黑色，手势区域置为红色；

对处理后的图像进行膨胀处理，还原经过腐蚀处理的图像。

3.根据权利要求2所述的基于面积特征的PCA静态手势识别方法，其特征在于：所述第二步是这样实现的：

依次从图像的各个边向内部扫描，当扫描线碰到手势图像时即为包围盒该边的边界，四个边界围成的矩形即为此手势图像的包围盒；

包围盒外部的区域为无效数据区域，包围盒内部的区域为有效数据区域；

将包围盒区域图像映射到标准图像上。

4.根据权利要求3所述的基于面积特征的PCA静态手势识别方法，其特征在于：所述将包围盒区域图像映射到标准图像上是这样实现的：

采用的标准图像大小为100*100，具体步骤如下：

Step1.根据所述包围盒的大小和标准图像大小按照公式(1.1)计算放缩比率：

其中zoomX、zoomY分别为宽和高放缩比率，newWidth、newHeight分别为标准化图像的边长，width、height为源图像的宽和高；

Step2.将包围盒中的手势图像按照公式(1.2)缩放到标准图像中：

其中(x′，y′)为标准化后图像中的像素点的坐标，(x,y)为源图像中像素点的坐标值。

5.根据权利要求4所述的基于面积特征的PCA静态手势识别方法，其特征在于：所述第三步是这样实现的：

Step1.分别计算标准图像中手势区域像素点的横、纵坐标和，并计算手势区域像素点个数，以此代表手势区域的面积；

Step2.根据求取重心公式(1.3)求取重心坐标，即为手势区域形心的坐标：

其中，A代表手势图像面积，代表形心横坐标值，代表形心纵坐标值，dA为积分元素；

最远点为手势图像区域像素点到形心距离最远的点；

主方向为连接形心点到最远点的连线，方向为从形心点指向最远点。