[发明专利]一种基于HOG+SVM框架的手势内平面旋转检测模型生成方法

权利要求书

1.一种基于方向梯度直方图HOG+支持向量机SVM框架的手势内平面旋转检测模型生成方法，其特征在于，包括以下步骤：

步骤1：采集特定方向范围的手势数据集；

手势数据集包含两个部分：含既定手势的正样本数据集和不含既定手势的负样本数据集；将平面内任意90度范围内分为2～3个子范围，然后按照分的范围采集手势数据集；

步骤2：提取特定方向各子范围内样本数据集的HOG特征，并利用SVM方法训练对应的SVM模型；

步骤3：生成平面空间内其他各个方向范围的SVM模型；

利用SVM模型转换方法对步骤2生成的90度内子范围的SVM进行处理，生成平面空间内其他三个90度方向范围的SVM模型；

步骤4：根据实际情况对线性SVM模型常数项的值进行调节设定，将生成SVM模型集用到基于HOG特征的多SVM模型检测应用程序中。

2.根据权利要求1所述的一种基于方向梯度直方图HOG+支持向量机SVM框架的手势内平面旋转检测模型生成方法，其特征在于，所述的步骤1中，对于采集正负样本数据集的要求如下：

(1)负样本数据集需要样本具有多样性，样本具有多样性是指图像中具有丰富的场景或纹理；

(2)正样本数据集需要人手多样性，人手多样性是指人手具有大小长短颜色之分，需要尽可能采集多种情况；

(3)正样本数据集需要场景多样性，场景多样性包括光线条件、背景纹理和拍摄角度。

3.根据权利要求1所述的一种基于方向梯度直方图HOG+支持向量机SVM框架的手势内平面旋转检测模型生成方法，其特征在于，所述的步骤2中，利用改进的HOG特征方法对正负样本数据集进行特征提取，具体是：

步骤2.1：预处理，包括设定HOG相关参数、加载HOG梯度投值空间对应的字典；

步骤2.2：计算梯度，具体是：利用[-1 0 1]和[-1 0 1]^T算子对样本图像进行卷积处理，将结果分别作为dx和dy，计算图像的梯度，梯度包含幅值和方向；

步骤2.3：将所得梯度根据方向进行投票，生成基于块的方向梯度直方图；

对每个块的各个细胞单元通过其内的像素按照梯度方向投值，从而建立一个方向梯度直方图；在块区域内的细胞单元中心间做双线性插值操作；其中，将梯度投值空间划分为偶数；

步骤2.4：对基于块的方向梯度直方图进行对比度L2-norm归一化；

步骤2.5：将各个块上的方向梯度直方图进行排序形成HOG特征。

4.根据权利要求1所述的一种基于方向梯度直方图HOG+支持向量机SVM框架的手势内平面旋转检测模型生成方法，其特征在于，所述的步骤3中，利用SVM模型转换方法进行处理的步骤如下：

步骤3.1：预处理，具体是：利用样本图像的长宽、梯度空间投值区间数和HOG块的大小，来获取样本图像的水平方向上HOG块的个数、垂直方向上HOG块的个数、块上方向梯度直方图的长度、以及样本图像上HOG特征的元素个数；

步骤3.2：根据输入SVM模型所检测的方向和期望输出的检测方向，利用块在图像中的对应空间关系，调整SVM模型中支持向量的元素所代表块的顺序；

步骤3.3：根据输入SVM模型所检测的方向和输出方向的相应块的细胞单元的对应空间关系，调整SVM模型中支持向量的元素所代表细胞单元的顺序；

步骤3.4：根据输入SVM模型所检测的方向和输出方向在梯度投值空间区间的对应关系，调整SVM模型中支持向量的各个元素的顺序。