[发明专利]一种基于改进聚合通道特征的手部检测方法

说明书

本发明涉及一种基于改进聚合通道特征的手部检测方法，通过采集到的若干图像构建数据集，改进聚合通道特征，训练并输出Xgboost模型，作为检测模块；采集待检测图像后，基于改进的聚合通道特征和训练得到的Xgboost模型，对图像进行检测，得到其中的手部图像。本发明作为基于计算机视觉的手部检测，具有更好的推广潜力和价值，成本低、更为便利，同时结合了改进ACF、色彩空间肤色模型、Edge Boxes和Xgboost，从而提高了检测系统的准确率，精度高、检测性能好。

技术领域

本发明涉及用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置的技术领域，特别涉及一种有助于人机交互与计算机视觉领域开发的基于改进聚合通道特征的手部检测方法。

背景技术

在人机交互领域，人机交互一般依赖于键盘、鼠标、触摸屏等设备进行，与前述设备相比之下，采用手部检测、依靠手部的动作来进行人机交互可以明显降低计算机等智能设备的使用门槛，且拥有更高的灵活性。

手部检测根据数据采集方式可分为两种，分别是基于数据手套和基于计算机视觉。基于数据手套利用使用者佩戴的特定设备采集数据，可以达到较高的精度；而基于计算机视觉则是利用摄像头采集图像数据，然后通过对图像数据的分析，处理检测任务。从便利性和成本角度考虑，由于数据手套等特定设备往往需要更高的成本，且特定设备的佩戴可能对人机交互的过程造成不舒适的体验，所以综合来看，基于计算机视觉的手部检测具有更好的推广潜力和价值。

除此之外，基于计算机视觉的手部检测方法，其根据处理维度的不同又可以分为三维和二维两种。三维的手部检测方法一般使用多目摄像头，获取图像的深度信息，以此获得更为丰富的特征信息，然而，此类方法存在建模难度高、计算量大、硬件成本高的问题；而二维的手部检测方法只采用单目摄像头获取数据，利用具有高精度、性能的数据处理方法，实现较高的检测效果，然而，现有的基于二维计算机视觉的手部检测识别方法存在精度低、性能差的问题，尤其是在图像中存在噪声及背景中存在类肤色物体的情况下。

发明内容

本发明的主要目的在于克服现有技术的不足，提供一种基于改进聚合通道特征的手部检测方法。

本发明的技术方案为，一种基于改进聚合通道特征的手部检测方法，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；

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改进的聚合通道特征和训练得到的Xgboost模型，检测步骤1.3的待检测图像，得到其中的手部图像，重复步骤1.3。

优选地，所述步骤1.1中，若干图像为包括手部的图像。

优选地，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。

优选地，所述步骤1.1中，若干图像的手部具有可描绘轮廓。

优选地，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；