手势识别方法及基于手势识别控制的智能轮椅人机系统.pdf

(19)中华人民共和国国家知识产权局*CN102339379A*(12)发明专利申请(10)申请公布号CN102339379A(43)申请公布日2012.02.01(21)申请号201110109146.6(22)申请日2011.04.28(71)申请人重庆邮电大学地址400065重庆市南岸区崇文路2号(72)发明人张毅李敏罗元徐晓东蔡军谢颖林海波张姣(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.G06K9/00(2006.01)A61G5/10(2006.01)权利要求书2页说明书7页附图1页(54)发明名称手势识别方法及基于手势识别控制的智能轮椅人机系统(57)摘要本发明公开了一种手势识别方法及基于手势识别控制的智能轮椅人机系统，涉及计算机视觉、人机系统、控制领域，包括视频采集模块，分离器，查询模块，跟踪模块，手势预处理模块，特征提取模块，手势识别模块，控制模块，采用Camshift跟踪算法与Kalman滤波算法相结合的方法对人手进行跟踪，并分离出手势，结合Hu矩与支持向量机(SVM)对手势进行识别，该手势识别方法可以滤除肤色干扰、遮挡及周围复杂环境对手势分割的影响，实现对人手的精确跟踪和快速准确识别，用于基于手势识别的智能轮椅人机系统中，可以达到快速、准确的识别手势命令，安全的控制智能轮椅的目的，能帮助老年人和残疾人提高活动范围和生活质量。CN102397ACCNN110233937902339392A权利要求书1/2页1.手势识别方法，其特征在于：包括以下步骤：S1：获取手势的视频信号；S2：将视频信号中的图像从RGB图像空间转化到HSV图像空间，建立手势区域的HSV颜色分布直方图；其中R、G、B分别表示红、绿、蓝三个通道；H、S、V分别表示色调、饱和度和亮度；S3：从HSV图像空间中分离出H分量，根据H分量对颜色分布直方图进行查询，获取手势区域中的手势肤色概率分布图；S4：根据手势肤色概率分布图采用Camshift跟踪算法对手势区域进行跟踪，输出手势的质心位置到Kalman滤波器，Kalman滤波器根据质心位置确定其搜索窗口的位置和大小；S5：根据搜索窗口设置计算概率分布的区域作为状态预测信息反馈回Camshift跟踪器，实施对下一幅图像中手势区域的跟踪；S6：根据跟踪结果，将手势区域从背景中分离出来，并对手势区域进行预处理，将手势很好的分割出来；S7：根据Hu矩提取已经分割的手势区域的Hu矩，并组合成手势特征向量；S8：根据经过训练的SVM模型对手势特征向量进行预测分类，识别出当前帧中的手势类别。2.根据权利要求1所述的手势识别方法，其特征在于：所述步骤S6中对手势区域的预处理是通过灰度化、去噪、二值化、数学形态学处理分割出手势的最小矩形区域。3.根据权利要求2所述的手势识别方法，其特征在于：所述SVM模型为根据现有的工具箱LIBSVM对样本手势区域进行训练得到的分类模型。4.基于手势识别控制的智能轮椅人机系统，其特征在于：包括：视频采集模块，用于获取手势的视频信号；分离器，用于将视频信号中的图像从RGB图像空间转化到HSV图像空间，建立手势区域的HSV颜色分布直方图；查询模块，从HSV图像空间中分离出H分量，根据H分量对颜色分布直方图进行查询，获取手势区域中的手势肤色概率分布图；跟踪模块，根据手势肤色概率分布图对手势区域进行跟踪，获取手势区域的质心位置，并预测下一幅图像中手势区域位置；手势预处理模块，根据跟踪结果，将手势区域从背景中分离出来，并对手势区域进行预处理，将手势很好的分割出来；特征提取模块，根据Hu矩提取已经分割的手势区域的Hu矩，并组合成手势特征向量；手势识别模块，根据经过训练的SVM模型对手势特征向量进行预测分类，识别出当前帧中的手势类别表示的控制指令。控制模块，接受手势识别模块传送过来的控制指令，驱动电机，对轮椅进行控制。5.根据权利要求4所述的基于手势识别控制的智能轮椅人机系统，其特征在于：所述跟踪模块包括Camshift跟踪器和Kalman滤波器，根据手势肤色概率分布图采用Camshift跟踪算法对手势区域进行跟踪，输出手势的质心位置到Kalman滤波器，Kalman滤波器根据质心位置确定其搜索窗口的位置和大小；根据搜索窗口设置计算概率分布的区域作为状态预测信息反馈回Camshift跟踪器，实施对下一幅图像中手势区域的跟踪。2CCNN110233937902339392A权利要求书2/2页6.根据权利要求4所述的基于手势识别控制的智能轮椅人机系统，其特征在于：所述手势预处理模块中对手势区域的预处理是通过灰度化、去噪、二值化、数学形态学处理分割出手势的最小矩形区域。7.根据权利要求4所述的基于手势识别控制的智能轮椅人机系统，其特征在于：所述控制指令