[发明专利]一种基于Hu不变矩的深度图像手势识别方法

说明书

本发明公开的一种基于Hu不变矩的深度图像手势识别方法，包括以下步骤：1、获取深度图像；2、根据深度信息对深度图像进行滤波处理，使得深度图像实现前后景分离，并将目标者所做出的手势的手部区域从复杂背景中分离出来；3、对分离出来的手部区域进行Hu不变矩计算，得到手部区域的Hu不变矩特征向量；4、采用PCA算法对手部区域的Hu不变矩特征向量进行降维处理，并采用已训练好的线性SVM分类器对降维处理后的手部区域的Hu不变矩特征向量进行识别和分类处理，得出静态手势分类结果。本发明使用深度图像直接获得三维信息，有效减少了计算量，提高了算法的鲁棒性，实现了实时的高准确度高鲁棒性的手势识别。

技术领域

本发明涉及人机交互技术领域，尤其涉及一种基于Hu不变矩的深度图像手势识别方法。

背景技术

随着人工智能技术的日益发展，传统的人机交互方式也在发生改变和创新，语音识别、指纹识别、人脸识别、手势识别等新的交互方式得到了越来越广泛的应用。其中，手势识别技术已经成为人机交互最重要的有效途径之一。用户可以使用简单的手势来控制或与设备进行交互，让计算机理解人类的行为，其核心技术为手势分割、手势分析以及手势识别。

目前的手势识别方法是基于普通的RGB相机拍摄图像，预先设定几个手势模板，将手部区域从背景中分割出来，对待识别的手势提取轮廓特征进行形状匹配，计算相似度，根据相似度计算结果并分别归类。这种方法计算量低，算法简单，易于实现，但RGB相机对环境光照、颜色、纹理等信息较为敏感，且基于RGB图像的手部分割算法难度较大，具有识别准确率低的缺点，在实时分类识别中无法表现出良好的性能。

Hu不变矩表征图像区域的几何特征，具有旋转、平移、尺度等特性的不变特征。矩在统计学中被用来反映随机变量的散布情形，推广到力学中，它被用作描绘空间物体的质量散布。同样的原理，如果将图像的灰度值看作是一个二维或三维的密度散布函数，那么矩方式即可用于图像剖析范畴并用作图像特征的提取。在图像处理领域，Hu不变矩可以作为目标物体的特征向量，用于物体的分类。

深度图像是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了景物可见表面的几何形状，可以直接获取目标物体的3D信息。常见的深度相机有TOF、结构光等。

本申请人基于Hu不变矩及深度图像技术进行了有益的探索和尝试，找到了解决现有的手势识别方法所存在的问题的办法，下面将要介绍的技术方案便是在这种背景下产生的。

发明内容

本发明所要解决的技术问题：针对现有技术的不足而提供一种不受周围环境影响、手部区域分割准确、识别准确率高、计算量低、可实现实时的分类识别的基于Hu不变矩的深度图像手势识别方法。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于Hu不变矩的深度图像手势识别方法，包括以下步骤：

步骤S10，采用深度相机获取目标者所做出的手势的深度图像；

步骤S20，根据深度图像的深度信息对深度图像进行滤波处理，使得深度图像实现前后景分离，并将目标者所做出的手势的手部区域从复杂背景中分离出来；

步骤S30，对分离出来的手部区域进行Hu不变矩计算，得到手部区域的Hu不变矩特征向量；

步骤S40，采用PCA算法对手部区域的Hu不变矩特征向量进行降维处理，并采用已训练好的线性SVM分类器对降维处理后的手部区域的Hu不变矩特征向量进行识别和分类处理，得出静态手势分类结果。

在本发明的一个优选实施例中，在所述步骤S30中，对分离出来的手部区域进行Hu不变矩计算包括以下步骤：

步骤S31，对分离出来的手部区域进行轮廓计算；

步骤S32，检测手势的指尖并将其作为外轮廓，同时设定阈值约束手部区域的大小；