[发明专利]一种融合SLIC算法的KCF长期手势跟踪方法

摘要

本发明公开了一种融合SLIC算法的KCF长期手势跟踪方法，包括步骤：1）构建手势训练数据集，提取并离线训练超像素块的SVM模型，得到手势检测的粗分类模型；2）构建前景‑背景词典，通过结合FHOG特征和CN特征设计KNN算法的相似度函数，从而完成手势检测的细分类；3）通过手势检测的粗分类模型和手势检测的细分类得到手势检测模型，使用手势检测模型检测目标，得到目标手势的检测框；4）使用设计好的目标尺度估计器，估计最适的目标手势的矩形框；5）设计置信度函数，通过比较当前帧和上一帧跟踪的结果的相似度来确定当前跟踪结果是否可信实现手势跟踪。本发明算法复杂度低，跟踪精度高，鲁棒性强，适合实时的应用场合。

主权项

1.一种融合SLIC算法的KCF长期手势跟踪方法，其特征在于，包括步骤：1)构建手势训练数据集，通过SLIC算法提取图片的超像素块，离线训练超像素块的SVM模型，得到手势检测的粗分类模型；2)从手势训练数据集中提取各种手势图片的前景和背景，构建前景‑背景词典，通过结合FHOG特征和CN特征设计KNN算法的相似度函数，从而完成手势检测的细分类；3)通过所述手势检测的粗分类模型和手势检测的细分类得到手势检测模型，使用手势检测模型检测目标，得到目标手势的检测框；使用目标手势的检测框初始化KCF滤波器，然后使用KCF滤波器估计下一帧的目标手势，所述KCF滤波器采用FHOG特征和CN特征作为输入；4)使用设计好的目标尺度估计器，估计最适的目标手势的矩形框，目标尺度估计器采用FHOG特征和CN特征作为输入；5)结合感知哈希算法、FHOG特征余弦相似度和颜色统计特征余弦相似度设计的置信度函数，通过比较当前帧和上一帧跟踪的结果的相似度来确定当前跟踪结果是否可信，若置信度大于阈值，则采用当前跟踪结果，识别下一帧，重复步骤3)至步骤5)；若置信度小于阈值，则放弃当前跟踪结果，使用手势检测模型检测当前帧，将检测结果作为当前跟踪结果，并重新初始化KCF跟踪器，重复步骤3)至步骤5)，最后使用当前帧识别结果，更新所述前景‑背景词典。