[发明专利]一种静态手势识别方法

摘要

本发明一种静态手势识别方法，本发明提出一种基于空间手势坐标点分布特征HCDF和类-Hausdorff距离模板匹配的手势识别方法。首先用HCDF提取手势特征向量；然后将提取的特征与样本库进行相似性度量，选取M种相近的候选样本；最后用类-Hausdorff距离模板匹配的思想，从M种候选样本中识别出最终的手势。本发明的有益效果是：与HDF方法相比本发明有更高的识别率，并且本发明对于旋转、缩放、平移的手势，仍能正确识别，对区分度较小的相近手势仍能保持很高的识别率。另外，相比于单纯用类-Hausdorff距离进行识别，本发明的识别速度有较大提高。

主权项

一种静态手势识别方法，其特征在于，包括以下步骤：步骤1，启动摄像头，获取含有目标手势的当前帧的BMP图像，用肤色分布模型把目标手势从该BMP图像中提取出来；步骤2，求出目标手势图像的最小外接正方形，并把其缩放为标准化图像；计算出该标准化图像中目标手势的主方向，并建立二维手势直角坐标系，然后求出空间手势坐标点分布特征HCDF中的每个特征向量；步骤3，计算步骤2中当前目标手势与样本库里每种手势的空间手势坐标点分布特征HCDF中第二个特征向量的欧氏距离，然后按照欧氏距离的值从小到大的顺序从样本库内选取出对应的M种候选手势G_m；步骤4，根据类‑Hausdorff距离公式依次计算当前目标手势C的8个点集p_i与每种候选手势G_m的8个点集q_i的类‑Hausdorff距离His_m(C,G_m)，其中，${\mathrm{His}}_m(C,G_m)=\underset{i=1,...,8}{\mathrm{\Σ}}{H}_i(p_i,q_i);$步骤5，求出其中最小的类‑Hausdorff距离值H，样本库里与之对应的该种手势就是最终的识别结果，输出三维手势图像，其中，H＝Min{His₁,...,His_M}。