一种基于深度图像的手部轮廓特征优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108520264A(43)申请公布日2018.09.11(21)申请号201810285718.8(22)申请日2018.03.23(71)申请人上海数迹智能科技有限公司地址201702上海市青浦区徐泾镇双联路158号3层E区326室(72)发明人刘佩林金珂葛昊应忍冬邹耀(51)Int.Cl.G06K9/46(2006.01)G06K9/00(2006.01)G06T7/181(2017.01)G06T7/11(2017.01)G06T7/136(2017.01)G06T7/66(2017.01)G06T7/62(2017.01)权利要求书2页说明书5页附图6页(54)发明名称一种基于深度图像的手部轮廓特征优化方法(57)摘要本发明公开了一种基于深度图像的手部轮廓特征优化方法，其特征是：该方法包括如下步骤：(1)读入深度图像，预处理并得到包含冗余轮廓的手部区域图；(2)计算初始迭代点和迭代半径，初始迭代点尽量靠近手指尖；(3)利用均值漂移算法进行迭代，找到最接近手掌的圆形区域，返回圆心与半径；(4)更新手部区域轮廓，将冗余轮廓剔除，得到精确的手部区域轮廓；(5)利用凸包检测算法得到手部区域的外部凸包轮廓，并结合内轮廓与外凸包的Hu不变矩信息，得到14维轮廓特征向量。该优化方法利用均值漂移和凸包检测算法的手部轮廓特征优化法可以有效去除小臂、衣袖等其他冗余轮廓信息，提高最终手势识别系统的稳定性。CN108520264ACN108520264A权利要求书1/2页1.一种基于深度图像的手部轮廓特征优化方法，其特征是：该方法包括如下步骤：(1)读入深度图像，预处理并得到包含冗余轮廓的手部区域图；(2)计算初始迭代点和迭代半径，初始迭代点尽量靠近手指尖；(3)利用均值漂移算法进行迭代，找到最接近手掌的圆形区域，返回圆心与半径；(4)更新手部区域轮廓，将冗余轮廓剔除，得到精确的手部区域轮廓；(5)利用凸包检测算法得到手部区域的外部凸包轮廓，并结合内轮廓与外凸包的Hu不变矩信息，得到14维轮廓特征向量。2.根据权利要求1所述的基于深度图像的手部轮廓特征优化方法，其特征是：在所述的步骤(1)中，深度图像预处理模块对深度图像进行阈值切割、图形学滤波并计算最大连通区域，包括以下步骤：(a)利用深度阈值得到手部区域，并将其映射到二值图像，包含冗余轮廓，白色前景表示手部区域，背景为黑色；(b)利用图形学运算，先做开运算，平滑图像轮廓并去除背景噪声，再做闭运算，填充目标内的细小孔洞；(c)寻找最大面积轮廓，并认为该轮廓为手部区域轮廓，包含冗余轮廓，填补该轮廓内的孔洞。3.根据权利要求1所述的基于深度图像的手部轮廓特征优化方法，其特征是：在所述步骤(2)中，包括从初步提取的手部区域中选取初始迭代点和迭代半径的步骤，该步骤包括以下步骤：(a)将提取的手部区域轮廓以多边形表示，并修复含有内环的多边形情况；(b)计算多边形的最小外接矩形，并与图像边界进行比较，根据两者重合的边数进行如下分类讨论：(a)若手离镜头过近，图像无法显示完整的手部区域，算法终止；(b)若重合的两条边是平行边，则表明手横向或纵向贯穿镜头，图像无法显示完整的手部区域，算法终止；(c)若没有手臂部分轮廓与图像边界相交，冗余轮廓不存在，此时返回的初始迭代点为手部区域的质心，初始迭代半径根据实际手掌经验值选取；(d)若重合的两条边是相交边，则在多边形的最小外接矩形的四个顶点中，计算距离多边形最近的顶点，且要保证该顶点是有效的，不与图像边界相交，再计算得到该顶点在多边形上的投影点，即多边形上距离该顶点最近的点；最后取投影点与多边形质心的连线中点作为初始迭代点，连线长度的一半作为初始迭代半径，若初始迭代点在多边形外部，则取该点在多边形上的投影点作为新的初始迭代点。4.根据权利要求1所述的基于深度图像的手部轮廓特征优化方法，其特征是：在所述步骤(3)中，还包括基于均值漂移的迭代过程，该步骤包括以下子步骤(a)根据初始迭代点c0与初始迭代半径r0得到迭代圆C的初始区域；(b)寻找迭代圆C与手部区域多边形P的相交区域I，并计算该区域的质心ci；(c)比较质心ci与迭代圆的圆心c，若两者相差超过迭代门限，则进入步骤S34；若两者相差在迭代门限内，则进入步骤(e)；(d)，调整迭代圆的圆心c为相交区域的质心ci，半径r为相交区域的质心ci在手部区域2CN108520264A权利要求书2/2页多边形P边界上的投影，并返回步骤(b)；(e)，若S(I)/S(C)＞1.1sth，则增加迭代圆半径r，并返回所述的步骤(2)；若S(I)/S(C)＜0.9sth，则减小迭代圆半径r，并返回步骤(b)；否则终止迭代，输出迭代结束时的迭代圆的圆心位