[发明专利]一种基于改进聚合通道特征的手部检测方法

权利要求书

1.一种基于改进聚合通道特征的手部检测方法，其特征在于：所述手部检测方法包括以下步骤：

步骤1.1：利用摄像头采集若干图像，构建数据集；

步骤1.2：基于步骤1.1的数据集，改进聚合通道特征；训练并输出Xgboost模型；

所述步骤1.2中，具体包括以下步骤：

步骤1.2.1：基于步骤1.1的数据集，获取图像的样本，通过计算交并比值，判断定义样本为正样本或负样本；

步骤1.2.2：将数据集的图像转换为YCbCr模式和HSV模式，分别取得Cb-Cr分量平面和H分量；

步骤1.2.3：利用结构化边缘检测算法，获得数据集的图像的边缘概率图，并利用边缘概率图得到6个方向的边缘概率直方图；

步骤1.2.4：利用步骤1.2.2得到的Cb-Cr分量平面和H分量及步骤1.2.3得到的边缘概率图和边缘概率直方图改进聚合通道特征；

步骤1.2.5：利用改进后的聚合通道特征计算正样本和负样本的特征向量，训练Xgboost分类器；

步骤1.2.6：对Xgboost分类器进行若干次训练，输出Xgboost模型；

步骤1.3：利用摄像头采集待检测图像；

步骤1.4：基于步骤1.2的改进聚合通道特征的方法和训练得到的Xgboost模型，检测步骤1.3的待检测图像，得到其中的手部图像；

所述步骤1.4中，检测包括以下步骤：

步骤1.4.1：利用步骤1.2的改进聚合通道特征的方法，获得步骤1.3的待检测图像的Cb-Cr分量平面、H分量、边缘概率图和边缘概率直方图；

步骤1.4.2：使用Edge Boxes算法从边缘概率图上获取候选窗口，利用Cb-Cr分量平面和H分量构成的多色彩空间肤色模型，去除不包含肤色信息的候选窗口；

步骤1.4.3：计算余下的候选窗口对应的特征向量，使用训练并输出的Xgboost模型，评估每一个特征向量，得到分类结果；

步骤1.4.4：根据分类结果，在输入图像中将结果为正的候选窗口以矩形框标定；

步骤1.4.5：使用非极大值抑制算法，合并正的候选窗口，得到最后的检测窗口。

2.根据权利要求1所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.1中，若干图像为包括手部的图像。

3.根据权利要求2所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.1中，若干图像至少具备以下条件：包含图像噪声、图像背景中存在类肤色像素、光照条件覆盖光强为大于300LX，手部位置可覆盖所有图像的任一像素。

4.根据权利要求3所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.1中，若干图像的手部具有可描绘轮廓。

5.根据权利要求1所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.2.1中，当交并比值大于0.5时，判断定义样本为正样本，当交并比值小于0.3时，判断定义样本为负样本。

6.根据权利要求1所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.2.6中，还包括以下步骤：

步骤1.2.6.1：使用Edge Boxes算法从数据集的图像中提取候选窗口，根据交并比标准将候选窗口分为正样本和负样本；

步骤1.2.6.2：使用步骤1.2.4中得到的改进的聚合通道特征计算步骤1.2.6.1的正样本和负样本的特征向量；

步骤1.2.6.3：进一步以步骤1.2.6.2的正样本和负样本的特征向量训练步骤1.2.5的Xgboost分类器，输出Xgboost模型。

7.根据权利要求6所述的一种基于改进聚合通道特征的手部检测方法，其特征在于：所述步骤1.2.6.1中，当交并比值大于0.7时，判断定义样本为正样本，当交并比值小于0.5时，判断定义样本为负样本。