[发明专利]一种手势识别方法

说明书

本发明属于手势识别技术领域，涉及一种手势识别方法，包括如下步骤：通过Kinect实时获取深度图像序列；通过Kinect实时获取手掌中心和手肘中心的位置，并根据每帧图像的深度信息提取手部轮廓；根据手掌中心位置、手肘中心位置和手部轮廓，计算指尖位置和指根位置，提取特征；将步骤3中提取的特征和模板库中的手势特征进行匹配，进入分类器，按分类器的分类标准选择出最接近的手势为识别出的手势，并将每一帧识别出的手势保存在队列Q中；分析队列Q中该帧和之前四帧的识别结果，选取出现数量最多的手势，作为最终识别结果。本发明使用Kinect获取深度信息，结合数字图像分析技术，能够快速准确的识别操控者的手势。

技术领域

本发明属于手势识别技术领域，涉及一种手势识别方法。

背景技术

手势是目前最自然直观的人机交互方式之一。现有的手势识别技术主要分为两种，一种是基于数据手套的手势识别，要求用户必须带上特殊的数据手套，跟踪和标记人手在空间坐标中的运动轨迹和时序信息，再通过信号处理来达到手势识别的目的，这种方式需要购买昂贵的设备，实用性低。另一种是基于计算机视觉的手势识别，主要利用普通摄像头来获取包含手部的图像数据，通过对数据的处理和分析来识别手势，这种方法实时性差，检测效果依赖于环境光照条件，易受复杂背景和肤色的影响，识别率较低。随着体感技术的发展，基于体感交互的手势识别成为了研究的热点。谈家谱等人利用Kinect获取的骨骼信息跟踪手部位置，并结合YCrCb肤色分割方法提取手部信息。然后利用基于行像素变化次数的掌心点提取方法获取掌心点位置，并通过分析轮廓点与掌心点间的距离曲线来提取指尖点。最后通过静态手势特征分析来识别手势。李宝印等人提出了一种手势识别系统，首先实时检测视频流中的手势，标记检测到手势的区域为感兴趣区域。然后利用肤色分割法对感兴趣区域进行处理。接着进行边缘检测和轮廓提取，得到手形轮廓的点序列。然后提取手形轮廓的傅里叶描述子，利用PCA分析将其映射到特征空间的一个新向量，最后采用基于样本学习的方法识别手势。目前的手势识别方法存在的主要问题如下：

(1)基于彩色图像和肤色分割的算法易受光照条件、复杂背景以及肤色变化等因素的影响，在光照不充分的环境或者手部颜色有差异(如医生在手术过程中佩戴手套)的情况下，识别效率会大大降低，影响实用性。

(2)识别算法较复杂，计算量较大，无法满足实时性要求。

(3)在手势发生旋转、平移和缩放的情况下，识别率不高。

相关参考文献如下：

[1]谈家谱.基于指尖信息的手势识别与人机交互应用研究[D].北京:北京交通大学, 2016.

[2]李宝印.手势识别方法及系统[P].中国专利:201410795071.5,2015.06.03.

发明内容

本发明针对现有技术的不足，提供一种手势识别方法，提高手势识别的效率和精度。通过使用Kinect提取深度信息，避免了识别过程中光照、手部颜色的差异带来的影响；使用 Kinect获取骨骼信息，并结合数字图像分析技术更有效的识别手势。微软的体感设备Kinect 不仅可以获取彩色图像信息，还可以实时获取深度数据。本发明使用Kinect获取深度信息，结合数字图像分析技术，能够快速准确的识别操控者的手势。

为了达到上述目的，本发明提供的技术方案是：一种手势识别方法，其特征在于，包括如下步骤：

步骤1，通过Kinect实时获取深度图像序列；

步骤2，通过Kinect实时获取手掌中心和手肘中心的位置，并根据每帧图像的深度信息提取手部轮廓；

步骤3，根据手掌中心位置、手肘中心位置和手部轮廓，计算指尖位置和指根位置，提取特征；