[发明专利]一种实时手势识别的方法

摘要

本发明公开了一种实时手势识别的方法，包括如下步骤1)将获得的手势视频，分解为按时间顺序进行排序的图像序列，并对所得图像预处理后进行手部区域分割；2)提取每一幅图像中手部区域的手形特征并用SVM支持向量机识别成对应的手势值；3)将每一幅图像的手势值与通过迭代LK金字塔光流算法获得的运动轨迹的方向特征组合为每一个动态手势图像的特征向量；4)循环执行2)‑3)，循环结束条件为当前视频的所有图像均被处理，从而获得一组完整的特征向量序列；5)建立手势模板库6)将得到的特征向量序列与模板库中所有模板都进行优化DTW匹配，计算匹配的失真度，如果大于失真阈值，则识别失败，如果小于失真阈值，则输出识别结果。

主权项

一种实时手势识别的方法，其特征在于，包括如下步骤：步骤1、实时获取手势视频信号，将手势视频信号分解为按时间排序的图像序列；步骤2、对步骤1得到的图像序列预处理得到二值图像，其中预处理包括中值滤波、色彩空间转换和肤色阈值分割；步骤3、对步骤2预处理后的二值图像进行形态学滤波，在二维平面中采用质心定位的方法分割出手部区域；步骤4、提取手部区域的手形特征构成手形特征向量并用SVM支持向量机算法识别成对应的手势值；步骤5、对手部区域采用迭代LK金字塔光流算法提取运动轨迹的方向特征，使其与手势值组合为每一个动态手势图像的特征向量；步骤6、循环执行步骤4和步骤5，直到手势结束，从而获得手势的特征向量序列，该特征向量序列的长度即为步骤1中图像序列的个数；步骤7、建立手势模板库，将步骤6获得的手势的特征向量序列F_test，与手势模板库中所有模板F_ref都进行优化DTW匹配，并计算F_test与F_ref的失真度，如果大于失真阈值，则识别失败，如果小于失真阈值，则输出识别结果。