[发明专利]一种具有监督环节的指尖实时跟踪方法

说明书

本发明公开了一种具有监督环节的指尖实时跟踪方法，包括以下步骤：S1：利用Kinect获取深度图像和RGB图像，并对深度图像进行滤波处理；S2：通过阈值分割方法，从深度图像中分割出手掌区域；S3：通过边缘点特征检测方法，从手掌区域中得到手掌轮廓；S4：在获取到的手掌轮廓的基础上，实现指尖的检测；S5：通过基于深度信息的卡尔曼滤波方法，获取到指尖的稳定状态；S6：通过具有监督环节的指尖跟踪算法，实现指尖的实时稳定跟踪。本发明提供的具有监督环节的指尖实时跟踪方法，能够实现对指尖的实时稳定跟踪，在人机交互领域具有广泛的用途。本发明能够实现对指尖的实时稳定跟踪，在人机交互领域具有广泛的用途。

技术领域

本发明涉及一种指尖实时跟踪方法，尤其涉及一种具有监督环节的指尖实时跟踪方法，属于人机交互领域。

背景技术

近年来，人机交互技术得到了迅猛的发展。常见的人机交互技术包括：语音、表情、手势等。而手势则被认为是最自然的交互技术之一。基于手势的交互技术的关键就是手势识别，而在手势识别的特征提取中，手掌区域与指尖是最常见的特征值，手指的检测识别与实时跟踪在手势识别中不可或缺，而手掌区域分割的效果很大程度上影响了手指的检测识别的准确性。以前的研究者通过基于肤色的方法或者基于固定背景的背景减法来实现手掌区域的分割，但此类方法鲁棒性不强，且限制了应用的范围。而对于指尖的实时跟踪，以前的研究者通常使用mean-shift,卡尔曼滤波等算法，但此类算法跟踪速度慢，且容易受跟踪目标尺度变化影响。从大方向看，指尖跟踪属于目标跟踪的范畴，现有效果较好的跟踪算法有Danelljan M提出的FDSST算法，但是该算法应用在跟踪指尖等细小物体时，则存在两个主要的缺点：1)该跟踪算法通常需要手动标定初始的跟踪目标区域，而对于指尖等细小物体而言，手动标定的误差较大，且无法从跟踪目标区域提取出指尖位置；2)在实际的指尖运动过程中，由于指尖的运动相对自由，可能在运动中由于指尖的弯曲或者倾斜等导致指尖所在的矩形区域发生较大的形变，或者是指尖在某一帧时间内运动速度过快，这些都会导致仅仅根据追踪的结果而得到的指尖的位置发生偏差。

发明内容

本发明的目的是为了能够实现对指尖的实时稳定跟踪而提供一种具有监督环节的指尖实时跟踪方法。

本发明的目的是这样实现的：

一种具有监督环节的指尖实时跟踪方法，包括如下步骤：

S1:利用Kinect获取深度图像和RGB图像，并对深度进行滤波处理；

S2:通过阈值分割方法，从深度图像中分割出手掌区域；

S3:通过边缘点特征检测方法，从手掌区域中得到手掌轮廓；

S4:在获取到的手掌轮廓的基础上，实现指尖的检测；

S5:通过基于深度信息的卡尔曼滤波方法，获取到指尖的稳定状态；

S6:通过具有监督环节的指尖跟踪算法，实现指尖的实时稳定跟踪

本发明还包括这样一些特征：

所述的步骤S1包括以下子步骤：

S11:遍历深度图像，将深度值为0的点做为目标点，以目标点为中心点，找到3x3的正方形邻域；

S12:统计正方形邻域中各深度值出现的次数；

S13:如果某个深度值出现的次数超过了设置的阈值，则将中心点设置为该深度值，否则，中心点的深度值仍为0；

所述的步骤S2包括以下子步骤：

S21:遍历滤波后的深度图像，将用户ID为0的点即背景的RGB值R,G,B设置为255,255,255；

S22：利用阈值公式，从深度图像中分割出手掌区域：