[发明专利]三维跟踪的手势观测似然建模方法及装置

说明书

一种三维跟踪的手势观测似然建模方法和装置，所述方法包括：获取手势图像并对所述手势图像进行预处理；根据预处理后的手势图像进行基于图像边缘特征的手势观测似然度量和基于手势前景特征的手势观测似然度量；结合所述基于图像边缘特征的手势观测似然度量和基于手势前景特征的手势观测似然度量构建手势观测似然模型。该方法能够在三维立体视觉跟踪中准确地提取深度信息，能够得到更好的手势理解和识别效果。

技术领域

本发明属于计算机领域，具体涉及方法、装置及计算机可读存储介质。

背景技术

随着人工智能技术的发展和普及，手势姿态的建模与识别被越来越多的应用在了人类情感识别和智能交通控制之中。想要得到较好的理解和识别结果就必须要建立一种高效的手势模型，其中尤其是以手势的状态跟踪在手势理解和识别中应用的最为广泛，但是目前使用的手势建模方法在后期具体识别中还是遵循着梯度下降的原则，因此避免不了陷入到局部极小的尴尬，识别效果不佳。

手势建模在人工智能的情感识别和计算机视觉手势跟踪是最为基础的步骤，但是领域经典三维手势建模方法在一定程度上填补了基于手部动作和手势的快速生成双手交互模型的不足，但是却在面对三维立体视觉跟踪中显示出直线饱和度过高的不足，尤其是对于三维场景深度信息无法做出准确的提取。

发明内容

针对于上述现有技术的不足，本发明的目的之一解决了现有手势建模方法在面对三维立体视觉跟踪中无法准确地提取深度信息的问题。

本发明实施例公开了一种三维跟踪的手势观测似然建模方法和装置，所述方法包括：获取手势图像并对所述手势图像进行预处理；根据预处理后的手势图像进行基于图像边缘特征的手势观测似然度量和基于手势前景特征的手势观测似然度量；结合所述基于图像边缘特征的手势观测似然度量和基于手势前景特征的手势观测似然度量构建手势观测似然模型。该方法能够在三维立体视觉跟踪中准确地提取深度信息，能够得到更好的手势理解和识别效果。

在一个可能的实施例中，所述手势观测似然模型如下：

其中，x_i表示第i个粒子，w_edge(Z|x_i)为基于图像边缘特征的手势观测似然度量采样后第i个粒子的权重；w_foreground(Z|x_i)为基于手势前景特征的手势观测似然度量的第i个粒子的权重，d_edge和d_foreground分别表示根据w_edge(Z|x_i)和w_foreground(Z|x_i)得到的粒子权值之间的方差。

在一个可能的实施例中，所述预处理包括：对所述手势图像进行序列化处理。

在一个可能的实施例中，所述进行基于图像边缘特征的手势观测似然度量和基于手势前景特征的手势观测似然度量包括：利用边缘检测获取手势帧图像的边缘特征，同时根据模型各个关节点的在二维图像面的投影坐标获取手模型的二维手势轮廓，根据边缘和手势轮廓计算模型状态和观测值的相似性；根据手势前景和模型在二维平面内投影之间的重合程度比较模型状态和当前观测值的相似性。

在一个可能的实施例中，基于图像边缘特征的手势观测似然度量表示为：p_edge＝exp(-d_chamfef(edge,counter)),

基于手势前景特征的手势观测似然度量表示为：

P_foreground＝exp{-[S_foreground∪S_projection]-[S_foreground∩S_projection]},