一种在复杂背景以及光照下的单目手势识别方法
专利汇可以提供一种在复杂背景以及光照下的单目手势识别方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种在复杂背景以及光照下的单目 手势识别 方法，首先对获取的图像进行肤色识别，得到初步手部图像；接着使用 帧 间差分法对处理后的初步手部图像进行运动物体检测，得到较为完整的手部轮廓图像；然后对步骤S2得到的较为完整的手部轮廓图像建立轮廓凸包模型，并判断手势，进而完成复杂背景下进行手部识别得到手部模型；最后对步骤S3提取出的手部模型计算 重心 ，获得运动轨迹，完成复杂背景下进行动态手势识别。本发明能够减少光照影响，提高手势判读识别率，能够在复杂背景下进行手势识别。，下面是一种在复杂背景以及光照下的单目手势识别方法专利的具体信息内容。
1.一种在复杂背景以及光照下的单目手势识别方法，其特征在于包括以下步骤：
步骤S1：对获取的图像进行肤色识别，判断肤色区域；
步骤S2：使用帧间差分法对步骤S1得到的肤色区域进行运动物体检测，得到较为完整的手部轮廓图像；
步骤S3：对步骤S2得到的较为完整的手部轮廓图像建立轮廓凸包模型，并判断手势，进而完成复杂背景下进行手部识别得到手部模型；
步骤S4：对步骤S3提取出的手部模型计算重心，获得运动轨迹，完成复杂背景下进行动态手势识别。
2.根据权利要求1所述的一种在复杂背景以及光照下的单目手势识别方法，其特征在于：所述的步骤S1具体包括以下步骤：
步骤S11：用摄像头获取待判别图像；
步骤S12：将步骤S11中的待判别图形进行色域转换，转换为YUV模型；
步骤S13：使用皮肤YUV模型判断肤色区域，其中所述皮肤YUV模型中的亮度分量Y的取值往高亮度区域增大一特定范围。
3.根据权利要求1所述的一种在复杂背景以及光照下的单目手势识别方法，其特征在于：所述步骤S3具体包括以下步骤：
步骤S31：将步骤S2中得到的所有手部轮廓图像提取出来；
步骤S32：将步骤S31提取的所有手部轮廓图像中不相交的手部轮廓图像放入预先建好的图像链表中；
步骤S33：对链表中的所有手部轮廓图像做凸包模型；
步骤S34：计算步骤S33中的每个凸包模型中凸包到轮廓的距离，并进行归一化处理；
步骤S35：以角度为X坐标，步骤S34中归一化处理后的距离信息为Y坐标，建立坐标轴；
步骤S36：将Y坐标小于0.5的值至零；
步骤S37：将经过上述步骤处理的数据进行进行傅里叶变换，得到的结果与预先存储的手部频域模型进行比较，选取相似度大于0.8的作为手部图像。
4.根据权利要求3所述的一种在复杂背景以及光照下的单目手势识别方法，其特征在于：步骤S37中所述的预先存储的手部频域模型为若干个不同手部动作的傅里叶变换模型。
一种在复杂背景以及光照下的单目手势识别方法
技术领域
背景技术
发明内容
步骤S2：使用帧间差分法对步骤S1得到的肤色区域进行运动物体检测，得到较为完整的手部轮廓图像；
步骤S3：对步骤S2得到的较为完整的手部轮廓图像建立轮廓凸包模型，并判断手势，进而完成复杂背景下进行手部识别得到手部模型；
步骤S4：对步骤S3提取出的手部模型计算重心，获得运动轨迹，完成复杂背景下进行动态手势识别。
步骤S12：将步骤S11中的待判别图形进行色域转换，转换为YUV模型；
步骤S13：使用皮肤YUV模型判断肤色区域，其中所述皮肤YUV模型中的亮度分量Y的取值往高亮度区域增大一特定范围。
步骤S32：将步骤S31提取的所有手部轮廓图像中不相交的手部轮廓图像放入预先建好的图像链表中；
步骤S33：对链表中的所有手部轮廓图像做凸包模型；
步骤S34：计算步骤S33中的每个凸包模型中凸包到轮廓的距离，并进行归一化处理；
步骤S35：以角度为X坐标，步骤S34中归一化处理后的距离信息为Y坐标，建立坐标轴；
步骤S36：将Y坐标小于0.5的值至零；
步骤S37：将经过上述步骤处理的数据进行进行傅里叶变换，得到的结果与预先存储的手部频域模型进行比较，选取相似度大于0.8的作为手部图像。
具体实施方式
步骤S2：使用帧间差分法对步骤S1得到的肤色区域进行运动物体检测，得到较为完整的手部轮廓图像；
步骤S3：对步骤S2得到的较为完整的手部轮廓图像建立轮廓凸包模型，并判断手势，进而完成复杂背景下进行手部识别得到手部模型；
步骤S4：对步骤S3提取出的手部模型计算重心，获得运动轨迹，完成复杂背景下进行动态手势识别。
步骤S12：将步骤S11中的待判别图形进行色域转换，转换为YUV模型；
步骤S13：使用皮肤YUV模型判断肤色区域，其中所述皮肤YUV模型中的亮度分量Y的取值往高亮度区域增大一特定范围；
特别的，在本实施中，所述步骤S2中采用了帧间差分法，帧间差分法为运动物体检测常用方法，但本发明是在使用肤色识别后再进行帧间查分，能够较为完整的提取出手部边界，并且去除大量干扰。
步骤S32：将步骤S31提取的所有手部轮廓图像中不相交的手部轮廓图像放入预先建好的图像链表中；
步骤S33：对链表中的所有手部轮廓图像做凸包模型，其中凸包模型示意图如图2所示；
步骤S34：计算步骤S33中的每个凸包模型中凸包到轮廓的距离，并进行归一化处理；
步骤S35：以角度为X坐标，步骤S34中归一化处理后的距离信息为Y坐标，建立坐标轴；
步骤S36：将Y坐标小于0.5的值至零；
步骤S37：将经过上述步骤处理的数据进行进行傅里叶变换，得到的结果与预先存储的手部频域模型进行比较，选取相似度大于0.8的作为手部图像。
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。
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。
