[发明专利]一种基于分水岭变换的静态手势识别方法

说明书

一种基于分水岭变换的静态手势识别方法属于图像处理领域；手势识别方法包括手势图像的采集、颜色空间转换、自适应亮度调整、肤色阈值分割、分水岭变换、灰度阈值合并、手势特征提取和模板匹配。自适应亮度调整算法极大地提高了类肤色区域提取准确性；双高斯滤波核更好地解决了分水岭变换中的过分割问题，同时更好地保留了图像的边缘信息；傅里叶相关性判别手势指令更好地利用了待匹配手势的特征，提高了手势识别的准确性。

技术领域

本发明涉及图像处理和人机交互领域，尤其涉及一种基于分水岭变换的静态手势识别方法。

背景技术

手势识别技术作为自然人机交互的应用典范，通过传感器、雷达、视频图像等技术方案来识别用户的操作指令，其应用范围正在逐渐地进入社会生活的各个领域。其中，基于视频图像的手势交互方式有着更好地应用和发展前景。例如，在机器人控制和远程控制中的应用，在一些危险区域等不便直接操控的特殊场合；辅助聋哑人生活，通过手势交流提高聋哑人的生活质量；在智能家居控制领域，可以给用户带来更好的交互体验，提高控制设备的便利性；在虚拟现实环境中，通过手势对环境和虚拟物体进行控制，在目标操作界面上使用手势来完成虚拟环境下的浏览、选择和操纵。

基于视频图像处理技术的手势识别主要通过手势分割、手势特征提取、手势特征匹配等步骤来识别手势指令。手势分割作为手势识别中重要的一环，分割的好坏直接影响了手势特征提取的准确性。分水岭算法作为一种图像分割的方法可以对手势图像进行分割，但传统的分水岭算法容易产生过分割的问题，高斯滤波虽然可以减弱过分割的影响，但单一的滤波核会造成图像边缘信息的缺失，最终影响手势分割的准确性；手势特征的选取直接影响最终的识别准确率，而传统的面积周长比、欧氏距离作为特征来进行匹配会造成一定的误差。为解决上述问题，本发明提出一种基于分水岭变换的静态手势识别方法。

发明内容

本发明的目的在于公开一种基于分水岭变换的静态手势识别方法，提高了手势分割的准确性和手势识别的准确率。

一种基于分水岭变换的静态手势识别方法，包括：

步骤一、CMOS图像传感器采集用户手部的RGB图像，记为M；

步骤二、将采集的RGB图像M转换到YCbCr颜色空间下，转换后的图像记为N；

步骤三、通过自适应亮度调整的方法对YCbCr颜色空间下的图像N进行光照补偿，补偿后的图像记为O；

步骤四、通过阈值分割对图像O进行类肤色区域提取，提取的图像记为U；

步骤五、对图像U通过分水岭变换进行分割，分割后的图像记为P；

步骤六、对分水岭分割后的图像P使用两个高斯滤波核进行高斯滤波，滤波后的图像记为Q；

步骤七、对高斯滤波后的图像Q通过灰度阈值合并分割出单独的完整手势图像，记为A；

步骤八、对分割后的手势图像A进行手势特征提取，包括手势图像的面积、周长和傅里叶描述子，并计算面积周长比；

步骤九、通过手势图像A的面积周长比、傅里叶相关性作为特征参数与模板库中的手势图像的特征参数进行对比来识别手势，首先通过面积周长比进行初次分类，再通过傅里叶相关性分析进行手势最终识别，若满足识别条件则输出手势指令，否则判别为无效手势。

步骤一中CMOS图像传感器采集用户手部的RGB图像要求被测者将手背中心或手掌中心正对摄像头做出相应手势动作。

步骤二中将采集的RGB图像M转换到YCbCr颜色空间下，根据公式(1)进行颜色空间转换：

其中Y表示明亮度，Cb和Cr表示蓝色和红色的浓度偏移量成分。