首页 / 专利库 / 人工智能 / 多样性密度 / 一种智能家庭娱乐系统手势指令识别方法

一种智能家庭娱乐系统手势指令识别方法

阅读:146发布:2020-05-11

专利汇可以提供一种智能家庭娱乐系统手势指令识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种智能家庭娱乐系统手势指令识别方法。主要包括:A.建立智能家庭娱乐系统手势指令识别模型,通过摄像头采集图像,检测图像中的手势,从视频中进行分割;B.根据手势指令识别系统状态的先验概率 密度 分布产生粒子,通过调整粒子的权值近似后验概率密度分布,实现手势 跟踪 ;C.通过自适应佳点集遗传 算法 增加粒子的多样性并扩大粒子的分布区域,避免了粒子的退化;D.通过 像素 梯度提取手势指令 特征向量 ,与训练样本匹配分类,完成智能家庭娱乐系统手势指令识别。该方法具有较好的鲁棒性和 稳定性 ,对手势图像进行双边投影处理,降低肤色和阴影干扰,通过对粒子的 迭代 优化降低计算量,提高系统识别的实时性,准确判断手势指令,增强用户体验真实度。,下面是一种智能家庭娱乐系统手势指令识别方法专利的具体信息内容。

1.一种智能家庭娱乐系统手势指令识别方法,其特征在于:利用佳点集遗传算法增加粒子多样性实现手势跟踪
所述方法包括以下步骤:
建立智能家庭娱乐系统手势指令识别模型,通过摄像头采集图像,检测图像中的手势,从视频中进行分割;
根据手势指令识别系统状态的先验概率密度分布产生粒子,通过调整粒子的权值近似后验概率密度分布,实现手势跟踪;
通过自适应佳点集遗传算法增加粒子的多样性并扩大粒子的分布区域,避免了粒子的退化;
通过像素梯度提取手势指令特征向量,与训练样本匹配分类,完成智能家庭娱乐系统手势指令识别。
2.根据权利要求1所述的一种智能家庭娱乐系统手势指令识别方法,其特征在于:所述步骤B包括:经过多次迭代递推后,得到k时刻的粒子集合,从而估计k时刻的位置

3.根据权利要求1所述的一种智能家庭娱乐系统手势指令识别方法,其特征在于:所述步骤C包括:设定集合 ,i不属于集合Q,则佳点交叉的子代属
于集合R。

说明书全文

一种智能家庭娱乐系统手势指令识别方法

技术领域

[0001] 本发明涉及一种智能家庭娱乐系统手势指令识别方法,属于智能家居、图像识别、遗传算法领域。

背景技术

[0002] 智能家庭娱乐暴正在席卷,动态手势识别在家庭娱乐系统中通过用手势发出各种操作指令。现有的手势识别技术动态目标检测困难,无法准确实时地跟踪连续视频中的手势,易导致运动模糊、形变等现象。手势含有大量冗余信息导致计算量大,识别较慢,手势动作的不确定性导致手势识别准确率低,影响用户的体验真实度。

发明内容

[0003] 为解决上述问题,本发明的目的在于提供一种具有较好的鲁棒性和稳定性的智能家庭娱乐系统手势指令识别方法,对手势图像进行双边投影处理,降低肤色和阴影干扰,通过对粒子的迭代优化降低计算量,提高系统识别的实时性,准确判断手势指令,增强用户体验真实度。
[0004] 本发明解决其问题所采用的技术方案,包括以下步骤:A.建立智能家庭娱乐系统手势指令识别模型,通过摄像头采集图像,检测图像中的手势,从视频中进行分割;
B.根据手势指令识别系统状态的先验概率密度分布产生粒子,通过调整粒子的权值近似后验概率密度分布,实现手势跟踪;
C.通过自适应佳点集遗传算法增加粒子的多样性并扩大粒子的分布区域,避免了粒子的退化;
D.通过像素梯度提取手势指令特征向量,与训练样本匹配分类,完成智能家庭娱乐系统手势指令识别。
[0005] 本发明的有益效果是:在手势识别应用越来越广的情况下,本发明具有较好的鲁棒性和稳定性,对手势图像进行双边投影处理,降低肤色和阴影干扰,通过对粒子的迭代优化降低计算量,提高系统识别的实时性,准确判断手势指令,增强用户体验真实度。
附图说明
[0006] 图1 一种智能家庭娱乐系统手势指令识别方法的整体流程图图2 智能家庭娱乐系统手势指令识别模型图
图3 自适应佳点集遗传算法流程图。

具体实施方式

[0007] 参照图1至图3,本发明所述的方法包括以下步骤:A.建立智能家庭娱乐系统手势指令识别模型,通过摄像头采集图像,检测图像中的手势,从视频中进行分割;
(1)建立智能家庭娱乐系统手势指令识别模型,如图2所示,通过摄像头采集手势图像。
若视频序列有n帧,用 矩阵X表示图像,对矩阵进行右投影: ,然后进行左投影: , 、 均为独立的高斯矩阵,然后进行右投影得到矩阵X的秩逼近:
对 、 进行QR分解(正交分解), , ,得到矩阵X的低秩矩阵:
其中, 、 为正交矩阵, 、 为上三角矩阵。
[0008] (2)将矩阵X进行低秩稀疏分解:其中,S是矩阵的稀疏部分。r是矩阵的极大秩,s是矩阵的最大个数。若初始低秩矩阵为,设立迭代阈值 ,若
其中,t为迭代次数。则将每一帧图像以列向量形式排列成m维矩阵,恢复每一帧对应的背景,否则计算下一代。将各帧背景做加权平均,得到最终背景。去除背景,分割出手势图像。
[0009] B.根据手势指令识别系统状态的先验概率密度分布产生粒子,通过调整粒子的权值近似后验概率密度分布,实现手势跟踪;(1)手势指令识别系统第k个时刻的状态方程为 ,量测方程为
,其中, 是状态值, 是量测值, 是状态转移噪声, 是量测噪声。
是量测值的集合。给定手势指令识别系统状态的先验概率密度的初始值
,若第k-1个时刻在Z已知的条件下 的概率密度为 ,则:
其中, 是系统状态量测值的相似度, 为先验概率, 为后
验概率。根据先验概率得到样本集合 ,N是样本数量。
[0010] (2)系统状态的后验概率密度的粒子集为 ,N为粒子数量,则后验概率为:其中, 是第i个粒子第k时刻的权值,是狄拉克函数。权值递推方法为:
归一化权值,使得 。经过多次迭代递推后,得到k时刻的粒子集合,从而估计k时刻的位置
其中,是第i个样本。但是,经过多次迭代后,许多粒子的权重减小,使得粒子退化,失去多样性。
[0011] C.通过自适应佳点集遗传算法增加粒子的多样性并扩大粒子的分布区域,避免了粒子的退化;(1)通过自适应佳点集遗传算法对粒子空间进行选择、交叉和变异操作,生成新一代更适应接近真实状态的粒子空间。将粒子作为种群,选择两个群体 、
进行佳点交叉操作,N是种群数量,选取 形成集合
Q,设定集合 ,i不属于集合Q,则佳点交叉的子代属于集合R。
将集合R的m个粒子组成m维立方体,在m维空间中作含n个点的佳点集:
在n个后代中选择适应值最大的粒子,适应度函数为:
其中, 是目标函数, 是第i个约束条件,t是约束条件的个数。
[0012] (2)通过轮盘法随机选取两个粒子进行佳点集交叉,用变异算子对其进行变异操作:其中,是扰动幅值参数,是满足高斯分布的随机变量。计算交叉、变异的后代的适应值,将适应值小于设定阈值的粒子去除,剩余粒子继续进行迭代,直至迭代K次,选取第K代粒子中适应值最大的粒子,从而保证粒子空间的多样性,避免粒子退化。
[0013] D.通过像素梯度提取手势指令特征向量,与训练样本匹配分类,完成智能家庭娱乐系统手势指令识别。
[0014] (1)手势图像中像素点的灰度值为 ,像素梯度为:将手势图像分割成大小相等的,每个块分割为互不重叠的单元,统计每个单元内所有像素的梯度直方图,将每个单元的梯度累加得到该块的特征向量v,对特征向量进行归一化处理:
其中, 为泛函数,是接近于0的常数。
[0015] (2)提取样本的特征向量作为训练模板 ,n是测试样本的特征数量,通过计算待识别手势指令图像特征与模板的误差D判断手势指令所属类别:其中, 是量测值, 是粒子权重, 是特征数量为k的训练样本。误差最小的一类即为该手势指令的类别,从而完成智能家庭娱乐系统手势指令识别。
[0016] 综上所述,便完成了本发明所述的一种智能家庭娱乐系统手势指令识别方法。该方法具有较好的鲁棒性和稳定性,对手势图像进行双边投影处理,降低肤色和阴影干扰,通过对粒子的迭代优化降低计算量,提高系统识别的实时性,准确判断手势指令,增强用户体验真实度。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈