[发明专利]基于RGB‑D图像的手势检测方法

摘要

本发明提供了一种基于RGB‑D图像的手势检测方法，其包括第一步，获取RGB‑D图像；第二步，从背景中分割手部；第三步，识别手势；第四步，寻找手势的最优分割。本发明提供的RGB‑D图像的手势检测方法能有效地分割出人手区域，具有分割准确，即使在手部发生部分自遮挡或者背景中有其他人干扰时也能得到好的手势分割，且算法鲁棒性好。

主权项

一种基于RGB‑D图像的手势检测方法，其特征在于，包括：第一步，获取RGB‑D图像；第二步，从背景中分割手部；第三步，利用凸函数优化分割；第四步，寻找手势的最优分割；所述第一步具体为利用深度传感器获取彩色图像，即RGB Image流和深度图像，即Depth Image流，即RGB‑D图像数据流，并将其转换成一帧帧的图像以便于后续的图像处理；所述第二步具体为通过骨骼图和深度图像的像素比，将手部位置映射到深度图像，利用深度图像信息将手部从背景中予以分割；所述第三步具体为利用凸函数来优化分割RGB‑D的手势图像；对于分割优化过程，定义图像分割为一个最小化的泛函:E(u)＝∫Ωf(x)u(x)dx+∫Ωd(x)|Du(x)|    (2)其中，u∈BV(IRd；{0,1})是一个指示函数上的二元函数的有界变差，u＝1和u＝0表示在表面IRd的内部和外部，即在二维图像分割情况下的一组封闭边界或在三维分割情况下的一组封闭曲面，公式(2)中第二部分是全变差；其中Du表示分布导数，可微函数u归结为通过松弛二进制约束，函数u的值在0和1之间；分割优化为在凸集BV(IRd；[0,1])中求得最小化凸公式(,2)；深度值d:Ω→IR；所述第四步具体为利用最小化函数及其函数约束，通过Split Bregman快速算法解出模型，对RGB‑D图像寻找最优分割；所述Split Bregman快速算法具体为最大化一个似然函数同最大化它的自然对数是等价的，首先将Split方法应用到RGB‑D图像分割中，建立一个如下的通用模型:minω,u∈{0,1}{E(ω,u)=α1∫ΩQ1(x,ω1)udxdy+α2∫ΩQ2(x,ω2)(1-u)dxdy+γ∫Ω|▿u|dxdy}---(7)]]>其中Qi＝‑lnPi,i＝1,2，ω＝(μ,σ)＝Max(pi),i＝1,2，u为二值标记函数用来表示曲线运动。