[发明专利]多层皮肤检测和融合手势匹配

说明书

本文中总体上描述了用于对图像中的手进行皮肤检测和姿势确定的系统和方法的实施例。一种方法可以包括：使用多层皮肤过滤器来检测图像中的皮肤像素；以及将所述皮肤像素分类成前景皮肤像素集合和背景皮肤像素集合。所述方法可以包括：将关于所述背景皮肤像素集合的信息存储在持久性存储器中。所述方法可以包括：从所述前景皮肤像素集合中确定特征集合；以及对来自所述特征集合的特征进行聚类以便创建手势描述符集合。所述方法可以包括：确定与所述手势描述符集合相匹配的候选手势区域描述符集合和候选手势轮廓描述符集合；以及使用所述候选描述符集合来检测有效手势。

优先权申请

本申请要求2015年3月24日提交的美国申请序列号14/667,340的优先权权益，所述美国申请通过引用以其文结合在此。

背景技术

用于手势识别和手势检测的基于图像的解决方案逐年变得更加复杂。当前解决方案包括使用全局颜色模型来检测皮肤。这种解决方案的问题可能包括较高错误率。用于检测手势的其他解决方案使用经训练的回归模型。经训练的回归模型的缺点是耗费大量资源、需要时间或难以训练模型。仍其他方式包括使用皮肤信息来直接检测手势。这种方式可能不对所有肤色有效并且可能需要大量资源或时间。

发明内容

本文中所描述的这种系统包括用于基于(但不限于)单个二维相机来增强手势识别系统的质量的一组技术。技术可以包括与改进的背景减除技术相组合的新颖皮肤检测方法，所述背景减除技术有助于比现有技术更准确地检测图像中的皮肤区域。第二，改进的聚类(clustering)技术有助于将皮肤区域彼此分离，由此将手掌的皮肤像素与其他皮肤像素(比如，脸部或人体躯干的皮肤像素)隔离。第三，融合姿势匹配技术采用两种不同的技术(所述技术为基于区域的匹配(例如，使用K最近邻(KNN))和基于轮廓的匹配(例如，使用支持向量机(SVM)))以便使皮肤簇与手势相关联，由此提高检测率并将假阳性率减小至几乎为零。在许多环境中，本文中所使用的技术导致更好的手跟踪质量和识别率。系统可以跟踪和检测的姿势的数量是可配置的。当对执行本文中所描述的技术的指令进行运行时，改进了计算机系统的运行。改进的运行包括增大处理速度、减少资源使用以及以下详述的其他改进。

在示例中，用户可以在开始系统操作之前向系统注册。用户注册是姿势匹配过程，其中，用户举起他的/她的手，并且皮肤像素被标识。这些皮肤像素被用作种子值以便计算多个肤色模型。这些颜色模型进一步由皮肤检测技术在在线实时模式下使用。在示例中，相机可以保持静态或半静态。例如，可以忍受细小移动，但是广泛的摇拍或变焦可能是非期望的。背景减除技术可以进一步删减可能与皮肤混淆的背景像素。本文中所描述的技术具有跟踪图像中的任何位置中的手(不论所示出的手势如何)并且还在不采用特定于被检测姿势的启发式技术的情况下检测更宽姿势集合的能力。

在示例中，以下描述的技术可以展现出非常小的假阳性率。对于整体系统可靠性来说，这很重要。这主要是由于对基于姿势的不同方面来执行分类的两种不同的姿势匹配技术的融合。这些方面是姿势中的皮肤像素的覆盖区域和姿势的轮廓。由于这些原因，系统很少对背景和其他手势移动作出错误反应。这些技术的另一个优点是，它们允许检测宽得多的姿势集合。可能在不对每个姿势使用定制启发法的情况下发生这种情况。在与取决于3D数据的可用性的其他解决方案进行比较时，可以避免源自使用3D相机的潜在功率问题。

附图说明

在不一定按比例绘制的附图中，相同标号可以描述不同视图中的类似部件。具有不同字母后缀的相同标号可以表示类似部件的不同实例。附图总体上通过示例的方式而不是通过限制的方式展示了本文档中所讨论的各个实施例。

图1总体上展示了流程图，所述流程图示出了根据一些实施例的用于皮肤检测的技术。

图2总体上展示了简图，所述简图示出了根据一些实施例的所检测到的皮肤像素。

图3总体上展示了流程图，所述流程图示出了根据一些实施例的用于颜色模型更新的技术。