[发明专利]手势识别方法及装置

权利要求书

1.一种手势识别方法，其特征在于，所述方法包括：

实时获取人体深度图片，使用阈值分割背景而确定人物位置，再通过基于平滑度约束的区域生长提取精确深度人像轮廓；

基于随机森林模型计算深度人像轮廓的每个像素的深度特征，形成特征向量，再通过随机森林模型确定每个像素的部位标识概率；

基于每个像素对应的人体部位及其概率，滤除识别噪点，聚合生成骨架节点；

记录骨架节点的时序序列形成骨架运动轨迹；

抽取人体手部节点的运动轨迹与预定义的模板进行匹配，识别出手势动作类型。

2.根据权利要求1所述的方法，其特征在于，基于随机森林模型计算深度人像轮廓的每个像素的深度特征之前，所述方法还包括：

捕捉常见的人体基本动作并存储为样本动作；

对所述样本动作进行关键帧聚类，剔除重复和相似的动作，得到最终的训练动作；配合不同的人体模型，对训练动作进行图形渲染生成初步的深度图及相应部位标识图；

对所生成的深度图进行重采样、加噪处理，合成与实时采集的深度图相似的样本；

利用合成样本计算对应深度特征向量，训练得到随机森林模型。

3.根据权利要求2所述的方法，其特征在于，所述利用合成样本计算对应深度特征向量，训练得到随机森林模型，包括：

定义深度变化差异特征为：fa(I,x)=dI(x+udI(x))-dI(x+vdI(x));]]>

定义深度凹凸差异特征为：fb(I,x)=2*dI(x)-dI(x+udI(x))-dI(x+vdI(x));]]>

其中，u，v为所述深度特征的随机参数，为像素x在u，v方向的位移；d_I(x)为深度图I上的像素x的深度值；

随机挑选合成样本，并随机抽取合成样本中的若干像素作为训练样本，并读取对应部位标识图获取部位标识；

从根节点开始生成单棵随机决策树，对于当前分裂节点进行以下处理：计算当前节点训练样本中样本数量最多的类别，作为该节点的类别，同时计算更新交叉验证错误率；确定节点训练样本数量少于设定阈值、深度大于最大指定深度且节点只存在一种类别时，停止分裂；确定节点训练样本数量大于等于设定阈值、或深度小于等于最大指定深度且节点存在两种以上类别时，继续分裂，寻找最优分裂；所有节点停止分裂时停止训练。