一种基于机器学习的静态手势识别方法.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CN110147764A(43)申请公布日2019.08.20(21)申请号201910422669.2(22)申请日2019.05.17(71)申请人天津科技大学地址300222天津市河西区大沽南路1038号天津科技大学电信学院96号信箱(72)发明人林丽媛陈静瑜刘冠军程自祥周卫斌许国申川(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于机器学习的静态手势识别方法(57)摘要本发明公开一种基于机器学习的手势识别方法。该系统以计算机视觉为基础，将采集的手势图进行处理和分类，运用SVM支持向量机进行手势的分类和识别。具体过程为：通过彩色摄像头采集手势彩色图，将采集图片分为训练集和测试集，经过数字图像处理，减少其他像素点对手势识别的干扰；然后将处理后的手势图的Hu矩与HOG特征结合，提高手势识别的准确率和速度；将采集处理的手势图分成训练集和测试集通过SVM支持向量机进行手势的分类和识别，最终完成快速准确的手势识别。本发明方法简便，成本低，应用范围广，为实现手势控制的准确性提供良好的基础，可应用于人机交互、有奖竞猜等多种娱乐活动。CN110147764ACN110147764A权利要求书1/1页1.一种基于机器学习的手势识别方法，其特征在于，以计算机视觉和机器学习为基础，通过彩色摄像头采集手势彩色图，将采集图片分为训练集和测试集，经过数字图像处理，将Hu矩与HOG特征结合运用SVM支持向量机算法进行手势的分类和识别。2.如权利要求1中所述手势动作训练集的建立部分，将由彩色摄像头采集到的人体动作姿态数据以图像的格式存储在PC机中，然后通过图像预处理，对采集数据进行分类，其特征在于：步骤A1，所述的动作训练集的建立部分主要为采集数据、保存数据，完成手势动作库的建立；步骤A2，将采集到的图像数据，经过图像预处理之后，手势轮廓图；步骤A3，将处理后的图像数据按动作分类放入不同文件夹中，删除部分残次图像，统一各类数量，将图片更名为含有标签值的文件名，生成lmdb格式文件。3.如权利要求1所述的Hu矩具有尺度、旋转、平移不变性，适合用来做匹配，而且识别速度快，Hu矩利用二阶和三阶中心距构造了七个不变矩。将Hu矩与HOG特征结合，提取图像特征信息提高机器训练的识别准确率。4.如权利要求1中所述的SVM支持向量机是训练机器并让它学习的一种算法，能够解决回归和分类问题，而且可以使用核函数来转换数据，之后以转换后得到的信息为基础，在可能的输出之中寻找一个最优的边界或者超平面。采用SVM计算得到的特征数据进行分类和识别，本发明的识别成功率高，训练时间明显减少。2CN110147764A说明书1/4页一种基于机器学习的静态手势识别方法技术领域[0001]本发明涉及计算机视觉领域，是一种基于机器学习的静态手势识别方法。背景技术[0002]计算机视觉领域当前最热门的方向为生物特征识别，通过视频或图像对人员身份进行识别，包括人脸识别、指纹识别、掌纹识别、静脉识别、动作姿态识别、手势识别等。其中动作姿态识别技术涉及计算机视觉、模式识别等。动作识别可应用在医疗、安防、学生教育、虚拟现实、增强现实等多方面。[0003]语言是人类的沟通方式，人们使用语言主要由肢体行为和文字两种方式；而人的肢体行为是人们使用语言的主要形式，包括口述声音、手势以及表情。随着信息技术的不断发展，人在与计算机交互的时候也开始效仿语言的沟通方式，在计算机视觉发展基础上顺势而生的人机交互方式也出现了语音识别、触摸识别、手势识别、表情识别和鼠标-键盘等几种识别方式。手势识别作为人们最自然的表达方式之一具有极强的信息表达和传递功能。例如，近期推出的一款新能源汽车运用手势识别技术取代中控屏的触摸交互；新兴的智能家居运用手势控制窗帘、灯等家具用品。[0004]手势一般可分为静态手势和动态手势，静态手势指在手不动的情形下，手指与手掌做出不同的动作和形状；动态手势则指随着时间的变化，手的位置和形状都发生改变的手势，而动态手势能更丰富地表达操作者意图。手势识别的算法主要有3种：动态规划的方法、矢量量化(VectorQuantization)的方法和隐马尔柯夫模型(HMM)的方法。发明内容[0005]本发明提出基于机器学习静态手势识别，利用计算机视觉技术，通过目标检测中HOG特征提取并与Hu矩结合提取手势特征，较好的提高手势识别的准确率和速度。[0006]HOG特征一种实现人体目标检测的图像描述方法，该特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。其优点是可以对几何和光学的形变保持很好的不变形，对环境的变化具有很强的鲁棒性。该特征的主