[发明专利]一种手势语义自动分类方法

摘要

本发明提供了一种手势语义自动分类方法，属于计算机手势识别领域。该方法包括S1建立手势语义库中各语义的高斯模型和物体功能库；S2从Kinect的摄像头读取当前帧的图像，开始获取训练样本的观察变量{s,c}，并等概率初始化参数集合θ＝{μ1,σ1,...,μN,σN}；其中s表示观察样本即手势，c表示手势语义类别集合，θ表示该次手势运动的平均速度和速度方差；S3判断摄像头是否检测到开始的手势；若||X[i]‑X[i‑1]|>threshhold，则转到S4；否则转向S2。

主权项

一种手势语义自动分类方法，其特征在于：所述方法包括：S1：建立手势语义库中各语义的高斯模型和物体功能库；S2：从Kinect的摄像头读取当前帧的图像，开始获取训练样本的观察变量{s,c}，并等概率初始化参数集合θ＝{μ1,σ1,...,μN,σN}；其中s表示观察样本即手势，c表示手势语义类别集合，θ表示该次手势运动的平均速度和速度方差；S3：判断摄像头是否检测到开始的手势；若||X[i]‑X[i‑1]|>threshhold，则转到S4；否则转向S2；S4：利用手势分割方法得出手势，记录每5帧的位移和时间，求出速度V的均值μ和方差σ，进行高斯统计模型拟合，同时利用加入各模型依次进行判断得到新的θ[i]'＝{μ1′,σ1′,...,μN′,σN'}，若|θ’[i]‑θ|<threshhold,即匹配模型i，则转向S5；否则，转向S6；S5：进行更新：θ＝θ’[i],判断是否达到最大迭代次数或未收敛时，如果达到，转到S7，如果未达到，则进行EM迭代；S6:将本次语义i删除，即保持θ不变，进行下一次的语义分类，转向S4；S7：得出手势语义i，调用物体功能库，表达用户选择物体的功能。