[发明专利]一种基于图像边缘线弯曲度和距离特征的人手识别方法

摘要

本发明公开了一种基于图像边缘线弯曲度和距离特征的人手识别方法，包括步骤：获取原始图像；对所述原始图像进行预处理，得到所述原始图像的边缘线图；沿所述边缘线图的边缘线路径进行遍历，依次得到所述边缘线路径上取样点的坐标值和弯曲度值；应用弯曲度和距离特征算法，得出具备人手轮廓线弯曲度和距离特征的边缘线路径片段，进而得到疑似人手区域；对得到的全部疑似人手区域逐一进行精确判定，得到确定的人手区域从而得到人手位置信息，完成人手识别。本发明的弯曲度计算中只需进行求和及相减等简单运算，没有运算量很大的三角函数运算，再通过简单的规则快速找出图像中所有疑似人手区域，大大缩小人手识别算法的运算量，提高了识别效率。

主权项

1.一种基于图像边缘线弯曲度和距离特征的人手识别方法，其特征在于，包括以下步骤：S1，获取待进行人手识别的原始图像；S2，对所述原始图像进行预处理，得到所述原始图像的边缘线图；S3，沿所述边缘线图的边缘线路径进行遍历，依次得到所述边缘线路径上取样点的坐标值，再计算得到所述取样点的弯曲度值；具体包括以下步骤：遍历所述边缘线图查找边缘线路径，将边缘线路径上取样点序列化并将其坐标值存入数组，计算得到所述边缘线路径上每个所述取样点的弯曲度值并存入所述数组；所述数组的每个元素均包含信息：所述取样点位置坐标值和所述取样点弯曲度值；所述的边缘线路径上每个所述取样点的弯曲度值的方法包括以下步骤：以待计算取样点为中心取一窗口，用所述窗口内的边缘线路径距离减去所述窗口内边缘线路径两端点的直线距离所得之差作为所述待计算取样点的弯曲度值；如果弯曲度值越大，则差值会越大，具体步骤如下：第1步：假设当前取样点的路径/数组索引为i，弯曲度计算参数为cN；第2步：累计从i‑cN到i+cN点之间的边缘线路径上的所有相邻两点间距离到dSum；第3步：计算i‑cN到i+cN点的直线距离dDir；第4步：则得出i点的弯曲度值为dSum–dDir；S4，应用弯曲度和距离特征算法，根据所述取样点与相关取样点的距离特征和所述取样点的弯曲度值进行计算，得出具备人手轮廓线弯曲度特征和人手轮廓线距离特征的边缘线路径片段，与得出的所述边缘线路径片段相对应的边缘线图即为疑似人手区域边缘线图；与得出的所述边缘线路径片段相对应的图像即为疑似人手区域图像；S5，对S4中得到的全部疑似人手区域边缘线图和/或疑似人手区域图像逐一进行精确判定，得到确定的人手区域边缘线图和/或确定的人手区域图像，从而得到人手位置信息，完成人手识别；所述S4具体包括以下步骤：根据人手手指区域取样点弯曲度值整体上比其邻近的手掌区域的取样点的弯曲度值高的特点，根据弯曲度值高度先找到疑似手指区间，然后在这个疑似手指区间附近查找疑似人手区间；具体步骤包括：第1步：在边缘线路径上查找所有疑似手指区间；第1.1步根据手指区域取样点的弯曲度值整体上比其邻近手掌区域的取样点的弯曲度值高的特点，在边缘线路径上查找所有疑似手指区间；第1.2步计算边缘路径线上所述疑似手指区间对应的手指区域重心：累加路径上手指区间所有取样点的坐标，除以取样点的个数得到手指区间重心的坐标；第2步：根据第1步得到的手指区间重心的坐标计算出一个或者几个经验位置，并估算人手大小；第3步：在边缘线上路径上从手指区间附近根据第2步算出的经验位置的距离大小取得疑似人手手掌区域；和/或S4具体包括以下步骤：根据人手手掌区域取样点的弯曲度值低而且有一部分取样点靠近弯曲度值高的手指区域的特点，先获取到手掌区域然后再延展获取到整个疑似人手区域；和/或S4具体包括以下步骤：根据人手手掌区域取样点弯曲度低以及手掌长度和宽度接近的特点先获取到手掌区域然后再延展获取到整个疑似人手区域。