[发明专利]一种基于3D数据的自动手势分割算法

说明书

本发明公开了一种基于3D数据的自动手势分割算法,通过深度数据转换为灰度图像；构建灰度直方图，确定阈值区间；通过阈值进行分割，提取最大的连通域，确定手部区域；进行手部区域轮廓优化，通过最大内切圆算法提取掌心，确定手掌区域；使用凸包检测算法提取轮廓中的所有凸点；确定手腕中心点的位置；通过主轴方向θ和手腕中心点，构建手腕中心点的切线方程，只保留手指和手掌部分，切除手臂部分，完成对手部区域的精准分割；该算法首先结合阈值分割和深度直方图信息完成3D数据的初步分割，后续通过轮廓优化算法截取手掌、手指部分，完成对手部区域的精准分割。

技术领域

本发明涉及一种基于3D数据的自动手势分割算法，属于图像识别技术领域。

背景技术

人机交互(HCI，Human–Computer Interaction)是指人与计算机之间相互交互和影响的方式。随着计算机技术的发展，人类的生活也发生了日新月异的改变，人机交互也变得频繁。为了提高人机交互的效率，使得人机交互更符合人类的交流方式，众多人机交互的手段孕育而生，这些手段主要通过语音、人脸、手势和肢体动作进行识别。其中手势是人类常用的交流方式，把手势引入到计算机视觉领域内，基于计算机视觉的手势识别成为人机交互新的研究方向。随着现代汽车电子产业的快速发展，传统汽车的人机交互以中控屏为核心，界面设计老旧，按钮和触屏的交互方式安全性较低，已经难以满足行车驾驶需求。机器视觉被广泛应用于汽车辅助驾驶系统和无人驾驶，大大提高了车辆驾驶的安全性，减少了安全事故的发生。此外无人驾驶汽车成为研究的热点，而手势识别也成为重要的组成成分。

在智能驾驶座舱内，手势交互是控制车辆信息娱乐系统的最新方式。而手势分割通常是交互系统中的关键一步，手势分割的好坏直接影响后续手势识别的好坏。从交互的角度看，可以分为静态手势和动态手势。汽车内的手势控制系统是通过对一段时间流上的手部特征变化分析出用户的手势操作，再将手势信号发送给车载系统的控制单元，由控制单元下达相应的操作指令。而这种模式相机安装在中控台的上方，车内物体大都处在一个静态背景下，当有手势进入时，通过背景差分法能快速的分割出运动目标，并对分割出的运动目标进行去噪和形态学处理等操作，即可检测出运动目标。

而背景中固定对象的移动和外界光照条件的变化会使背景模板发生变化，需要及时对背景模板进行更新，以适应这种变化。

现在的摄像头是安装在显示屏中，背景是动态的，而手势也是动态的，动态手势是由一系列静态手势组成的与时间和空间相关的手势序列，而动态手势没有一个明确的开始和结束，所以对于动态场景下动态手势的分割，基于背景差分法无法进行背景和前景的分割。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种基于 3D数据的自动手势分割算法，该算法首先结合阈值分割和深度直方图信息完成3D数据的初步分割，后续通过轮廓优化算法截取手掌、手指部分，完成对手部区域的精准分割。

本发明的技术解决方案是这样实现的：一种基于3D数据的自动手势分割算法，包括如下步骤：

S100，首先通过深度信息与灰度值的转换方程将输入的深度数据转换为灰度图像；

S200，根据深度数据转换后的灰度图像构建灰度直方图，确定阈值区间；

S300，通过自适应阈值区间进行初步分割，将阈值分割后的像素点簇分为多个连通区域，再提取最大的连通域，确定手部区域；

S400,进行手部区域轮廓优化，通过迭代手部区域的像素点找到连通域中最大的内切圆，通过最大内切圆算法提取掌心，确定手掌区域；

S500,使用凸包检测算法提取轮廓中的所有凸点；

S600,计算距离掌心最远的凸点，确定手的主轴方向θ；

S700,通过主轴方向θ计算与手掌的最大内切圆的两个交点，确定手腕中心点的位置；