[发明专利]一种动态手势跟踪方法及系统

说明书

本发明公开一种动态手势跟踪方法及系统，方法包括：先对视频帧序列图像进行肤色检测和运动检测，其次分别确定模板图像和运动手势目标图像的离散傅里叶系数矩阵；利用离散傅里叶系数与离散余弦变换系数的关系式，分别确定运动手势目标图像和模板图像的离散余弦变换系数矩阵；然后计算运动手势目标图像和模板图像的哈希值；根据运动手势目标图像的哈希值和模板图像的哈希值确定运动手势目标图像与模板图像的相似度；最后判断运动手势目标图像与模板图像的相似度是否匹配成功，实现在多目标干扰以及复杂背景下对手势目标遮挡、旋转的跟踪，确保跟踪的稳定性和连续性，提高手势目标检测的准确度。

技术领域

本发明涉及手势跟踪技术领域，特别是涉及一种动态手势跟踪方法及系统。

背景技术

随着人机交互技术的快速发展，人与计算机的交互也变得日益频繁，并得到了越来越多的研究与探索。而手势交互技术的出现，极大地促进了人机交互技术的发展。在手势交互过程中，手势的实时动态跟踪已成为实现手势交互的关键步骤。但由于人手是复杂的变形体，并且手势本身具有的多态性和不确定性，使得手势跟踪易受手势姿态变化、肤色干扰、手势遮挡以及跟踪背景环境复杂等因素的影响，经常会出现跟踪漂移和跟丢的现象。因此，对复杂背景中的动态手势进行高效的跟踪成为人机交互领域的一个重要问题。

目前，常见的手势跟踪方法主要包括六类方法：1)传统的手势跟踪方法(Mean-shift、Cam-shift、卡尔曼滤波、粒子滤波)；2)多种跟踪方法融合的手势跟踪方法(见文献刘士荣,朱伟涛,杨帆,等.基于多特征融合的粒子滤波目标跟踪算法[J].信息与控制,2012,41(6):752-759)；3)融合手势分割和手势检测的手势跟踪方法(见文献全冬兵,程如中,赵勇,等.一种快速高效的手势跟踪识别方法[J].北京大学学报(自然科学版),2015,51(6):999-1007)；4)基于数学建模的手势跟踪方法(见文献Feng Z,Xu T,Lv N,etal.Behavioral Model Tracking of Hand Gestures[C].2015International Conferenceon Virtual Reality andVisualization(ICVRV).IEEE,2015:101-108)；5)基于深度相机的手势跟踪方法(见文献Chien P Y,Miao Y H,Guo J I,et al.A 3D hand trackingdesign for gesture control in complex environments[C].VLSI Design,Automationand Test(VLSI-DAT),2015 International Symposium on.IEEE,2015:1-4)；6)基于感知哈希的跟踪方法，主要包括三类方法：(1)基于感知哈希与改进感知哈希技术的跟踪方法(见文献Fan F,Gao G,Li J,et al.Visual object tracking based on perceptual hashalgorithm[C].International Computer Conference on Wavelet Active MediaTechnology and Information Processing.IEEE,2016:233-236)；(2)基于感知哈希技术与其它跟踪技术相结合的跟踪方法(见文献赵琳,王秋帆,刘源,等.基于感知哈希和小波变换的目标跟踪算法[J].系统工程与电子技术,2016,38(4):739-745)；(3)基于多特征(感知哈希特征)融合的跟踪方法(见文献Shen X,Sui X,Pan K,et al.Adaptive pedestriantracking via patch-based features and spatial–temporal similarity measurement[J].Pattern Recognition,2016,53(C):163-173)。现有手势跟踪方法虽然能够较好地对手势和目标进行稳定地跟踪，但都存在着共同的缺点：1)即使跟踪方法的鲁棒性很强，但在手势目标发生遮挡时，都会造成目标在视频中丢失；2)大多数方法都不能很好的对发生旋转的手势目标进行跟踪；3)大多数方法都不能很好的解决多目标干扰问题；4)大多数方法都不能在跟踪背景复杂时，对手势目标进行稳定连续的跟踪；5)大多数方法的实时性较差，跟踪耗时较多。基于上述问题，如何克服上述问题成为本领域亟需解决的技术问题。