[发明专利]一种基于Kinect的单视点手势姿势识别方法

权利要求书

1.一种基于Kinect的单视点手势姿势识别方法，其特征在于，具体按照以下步骤实施：

步骤1，以手腕关节点为初始种子坐标，通过对手腕关节点的邻域像素进行递归遍历，提取手势区域；

步骤2，对步骤1提取的手势区域采用中值滤波及掩膜图像法进行去噪处理；

步骤3，对经步骤2去噪处理的手势区域，运用主成分分析算法计算三维手势点云数据的主趋势方向以及三维点云数据的手势点云中心点，并进行胳膊区域剔除；

步骤4，对经步骤3剔除胳膊区域的手势区域分别进行基于曲率和挠率的3D-SIFT特征点提取，实现对手势姿态凹凸特征的表征及对手势姿态扭曲程度的度量；

步骤5，利用步骤3计算的手势三维手势点云数据的主趋势方向、三维点云数据的手势点云中心点以及步骤4计算得到的3D-SIFT特征点来构造点特征描述子；

步骤6，基于步骤5的点特征描述子构造方法，计算源手势点云和目标手势点云的点特征描述子进行匹配识别及优化。

2.根据权利要求1所述的一种基于Kinect的单视点手势姿势识别方法，其特征在于，所述步骤1具体为：

步骤1.1，从微软Kinect实时追踪得到的人体骨架信息中获取人体手腕关节点坐标P；

步骤1.2，以手腕关节点P为初始种子像素点，计算手腕关节点P为与八邻域各点P_i,i∈[0,7]的深度差值dif_i,i∈[0,7]，当dif_i小于深度阈值T_depth时，像素点P_i属于手势区域，将其加入手势区域G，并设置P_i为种子像素；

步骤1.3，以P_i为种子像素点，重复步骤1.2，通过对种子点邻域像素进行递归遍历得到手势区域G。

3.根据权利要求2所述的一种基于Kinect的单视点手势姿势识别方法，其特征在于，所述步骤2具体为：

步骤2.1，采用中值滤波对步骤1得到的手势区域G进行去噪处理，得到去除噪声点并平滑掉手势区域细节特征的深度图G_temp；

步骤2.2，使用二值化阈值对G_temp进行二值化处理，得到掩摸图像G_mask；

步骤2.3，将掩摸图像G_mask与手势区域深度图G_temp做“与”运算，得到既去除了手势边界附近孤立噪声点同时又保留了手势区域表面细节特征的手势区域深度图G_denoised，此时G_denoised即为最终去噪后的手势区域深度图。

4.根据权利要求3所述的一种基于Kinect的单视点手势姿势识别方法，其特征在于，所述步骤3具体为：

步骤3.1，通过主成分分析算法计算手势三维手势点云数据的主趋势方向；

步骤3.2，过手腕关节点作与步骤3.1求出的主趋势方向垂直的平面M，借助平面M可以将手势区域分割为两部分；

步骤3.3，从Kinect追踪的骨架信息中直接获取大拇指关节点，大拇指关节点所在的那部分点云数据即为剔除了胳膊区域的手势点集区域。