[发明专利]一种基于Sobel算子的超市购物车手部识别方法

说明书

本发明公开了一种基于Sobel算子的超市购物车手部识别方法，包括如下步骤：首先使用2D摄像头获取彩色图像，并以事先制作的模板图像作为其掩膜；其次对图像进行灰度化处理，使用Sobel算子对灰度化后的图像进行卷积操作，再对处理结果进行二值化处理，并与彩色图像做掩膜操作得到ROI图像；最后对所述ROI图像做手持商品判断，所述手持商品判断包括肤色建模部分、手持商品判断部分和统计部分；本发明采用Sobel算子，对于像素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好；与Robert算子定位比较，抗噪声能力强；由于Sobel算子是滤波算子的形式，用于提取边缘时，可以利用快速卷积函数，简单有效；计算量小，可以用于实时系统。

技术领域

本发明涉及图像识别方法，尤其涉及一种基于Sobel算子的超市购物车手部识别方法。

背景技术

在购物车图像算法中，我们采用深度相机分割手部信息；根据硬件实现方式的不同，目前行业内所采用的主流3D机器视觉大约有三种：结构光、TOF时间光、双目立体成像。该方法能够很好地三维重建图像，从而准确分割图像，然而由于原理限制对于反光、透明、吸光等物体存在检测盲区问题；再者由于一个视角存在遮挡问题而不能准确判断空手或手持商品，因此迫切需要多视角。

本申请人在先申请了一件名称为“超市购物车手部识别方法及其识别系统”、申请号为201611025458.8的发明专利，该发明通过前景检测、肤色检测以及手和商品的判断这三个步骤来确定手部是否持有商品。在此基础上，申请人提出采取多视角同步采集图像以进一步提高手部特征的提取精度；由于3D摄像头价格昂贵，不易装多个以扩展视角，考虑到第二视角作为辅助判断，因此选用成本更低的2D摄像头，在2D摄像头获取的图像中提取前景图像为此过程难点，如果使用基于运动检测的算法例如帧差法和背景消除法，帧差法会导致前景提取不准确，背景消除受光照影响大，因此迫切需要一种不依赖于运动检测的算法。考虑到光照影响是一个渐变过程，而手势和颜色变化平滑的背景差异明显，我们选用边缘检测的算法提取前景。

发明内容

发明目的：本发明的目的是提供一种通过sobel算子准确提取前景图像和识别手部运动状态的超市购物车手部识别方法。

技术方案：一种基于Sobel算子的超市购物车手部识别方法，包括如下步骤：

(1)使用2d摄像头获取彩色图像，并以事先制作的模板图像作为其掩膜，假设获取的图像为3*3由九个像素构成，像素值分别为

(r1,g1,b1) (r2,g2,b2) (r3,g3,b3)

(r4,g4,b4) (r5,g5,b5) (r6,g6,b6)

(r7,g7,b7) (r8,g8,b8) (r9,g9,b9)；

(2)对图像进行灰度化处理，灰度化公式如下：

f(i，j)＝0.30*R(i，j)+0.59*G(i，j)+0.11*B(i，j)

其中,i代表图像的横坐标，j代表图像的纵坐标；R(i,j)、G(i,j)、B(i,j)分别为像素坐标为三基色通道对应的像素值；0.30、0.59、0.11这三个系数是对于每一个像素点，由于人眼对红色光，绿色光，蓝色光的敏感程度不同而赋予不同的权重，从而得到该点的灰度值，是约定俗称的值；f(i,j)代表灰度化后图像像素值；即gray1＝0.30*r1+0.59*r1+0.11*b1，以此类推；该图像可以表示为：

gray1gray2gray3

gray4gray5gray6

gray7gray8gray9

其中，gray1,gray2……gray9表示第1、2……9个像素点的像素值。