[发明专利]一种基于深度图的实时低复杂度手指运动轨迹形状识别算法

说明书

本发明公开了一种基于深度图实时低复杂度手指运动轨迹形状识别算法，该方法包括如下步骤：(1)根据深度图切割获得指尖像素点，找出深度图中指尖对应的像素点集；(2)计算深度图像素统计参数得到指尖位置和图像质量，根据指尖所在位置像素点对应3D点云的形状参数，得到指尖坐标和指尖深度图的质量指标；(3)对连续多帧指尖轨迹形状进行判别，基于连续多帧得到的指尖位置和质量指标，对指尖轨迹坐标进行计算，判别出轨迹形状。该基于深度图实时低复杂度手指运动轨迹形状识别算法通过多帧深度图中的指尖像素的统计特性计算，降低噪声和干扰带来的轨迹误差，并提高识别准确率。

技术领域

本发明涉及3D深度相机的信号处理技术领域，具体为一种基于深度图实时低复杂度手指运动轨迹形状识别算法。

背景技术

手指动作识别是基于人体动作的人机交互技术的重要手段，传统的基于 RGB相机的方法由于其无法直接得到3D距离信息，需要大量的运算才能够获取手指位置信息，计算复杂度高、效率低且错误率高。随着3D深度相机的技术成熟和普及，利用3D深度相机提供的深度图，能够克服传统RGB相机在手指运动轨迹检测方面遇到的困难，直接利用手指在空间3D的运动轨迹，精确计算轨迹的3D曲线参数，并通过识别不同的曲线类型，为基于手指运动轨迹的人机交互技术提供支撑。

由于3D深度相机得到的深度图中除了反映手指形状和位置信息的像素点之外，还有不少噪声和干扰像素点。为了可靠稳定的得到手指轨迹信息，需要进行像素点的处理，通过多帧深度图中的指尖像素的统计特性计算，降低噪声和干扰带来的轨迹误差，并提高识别准确率。

发明内容

本发明的目的在于提供一种基于深度图实时低复杂度手指运动轨迹形状识别算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度图实时低复杂度手指运动轨迹形状识别算法，该方法包括如下步骤：

(1)根据深度图切割获得指尖像素点，找出深度图中指尖对应的像素点集；

(2)计算深度图像素统计参数得到指尖位置和图像质量，根据指尖所在位置像素点对应3D点云的形状参数，得到指尖坐标和指尖深度图的质量指标；

(3)对连续多帧指尖轨迹形状进行判别，基于连续多帧得到的指尖位置和质量指标，对指尖轨迹坐标进行计算，判别出轨迹形状。

优选的，所述的基于深度图实时低复杂度手指运动轨迹形状识别算法，所述的步骤(1)根据深度图切割获得指尖像素点算法，由近到远切割深度图，并根据空间距离对像素点聚类，从深度图中找到得到和指尖物理尺寸相符合的指尖像素点集。

优选的，所述的基于深度图实时低复杂度手指运动轨迹形状识别算法，所述的步骤(2)计算深度图像素统计参数得到指尖位置和图像质量算法，计算指尖所在位置像素点对应3D点云的均值、方差，并以此计算得到指尖的3D 坐标和深度图中指尖图像的质量指标。

优选的，所述的基于深度图实时低复杂度手指运动轨迹形状识别算法，所述的步骤(3)基于连续多帧得到的指尖位置和质量指标，计算指尖轨迹坐标的特征数据，并在此基础上比对特定的轨迹线条的特征，判别出垂直和水平、圆圈、静止这几种轨迹形状。

与现有技术相比，本发明的有益效果是：该基于深度图实时低复杂度手指运动轨迹形状识别算法通过多帧深度图中的指尖像素的统计特性计算，降低噪声和干扰带来的轨迹误差，并提高识别准确率。

附图说明

图1为本发明框图。

图2为本发明识别指尖圆周运动轨迹的例子图。

图3为本发明识别指尖垂直直线运动轨迹的例子图。

图4为本发明识别指尖水平直线运动轨迹的例子。

图5为本发明识别指尖静止的例子图。