欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017103057217
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于显著特征点提取的手势识别方法,其特征在于,包括如下步骤:

S1、获取待识别手势的轮廓,获取所述轮廓上所有轮廓点的点序列自然编号及其坐标;

S2、计算所述所有轮廓点的面积参数;

所述轮廓点的面积参数获取的具体步骤为:

(1)、将任一轮廓点作为目标轮廓点,以所述目标轮廓点的坐标为中心,以预设半径作圆,得到预设圆;

(2)、将所述待识别手势形状中被预设圆截取的与目标轮廓点具有直接连接关系的区域的面积与预设圆面积的比值,作为归一化后的区域面积,用0.5减去归一化后的区域面积再乘以2,得到所述目标轮廓点的面积参数;

S3、对轮廓点的面积参数的分布曲线进行平滑,判断各轮廓点是否为极值点:若当前轮廓点的面积参数值大于相邻前后两轮廓点的面积参数值,则认为该轮廓点为极大值点,若有多个相邻的轮廓点的面积参数值相等且为此处极大值,则取第一个为极大值点;若当前轮廓点的面积参数值小于相邻前后两轮廓点的面积参数值,则认为该轮廓点为极小值点,若有多个相邻的轮廓点的面积参数值相等且为此处极小值,则取第一个为极小值点;对所述所有轮廓点进行上述判断之后,得到待识别手势的极值点序列,保留轮廓点的点序列的起始点和最后一个点作为极值点,预设i=2;

S4、对极值点序列从第i个点开始逐点进行判断,若第i和第i+1个极值点对应的参数值的差异大于或等于预先设定的阈值,则执行S5;否则,执行S6;

S5、判断第i+2个点是否为极值点序列的最后一个点,若是,则执行步骤S9,否则,令i=i+1,执行步骤S4;

S6、判断第i+1和第i+2个极值点对应参数值的差异,若第i+1和第i+2个极值点的参数的差异大于第i和第i+1个极值点参数的差异,则将第i和第i+1个极值点从极值点序列中删去,得到一个新的极值点序列,并执行步骤S7;否则,执行步骤S8;

S7、判断第i+2个点是否为极值点序列的最后一个点,若是,则执行步骤S9,否则令i=2,执行步骤S4;

S8、判断第i+2个极值点是否为极值点序列的最后一个点,若是,则将第i和第i+1个极值点从极值点序列中删去,得到一个新的极值点序列,执行步骤S9;否则,将第i+1和第i+2个极值点从极值点序列中删去,得到一个新的极值点序列,执行步骤S4;

S9、剩余极值点序列为显著特征点序列,将显著特征点的面积参数以及归一化后的点序参数作为特征参数,将所述待识别手势与预设模版库中的模板进行匹配,得到所述待识别手势的最佳匹配模板,并确定最佳匹配模板的类别为最终所需的待识别手势的类别。

2.根据权利要求1所述的基于显著特征点提取的手势识别方法,其特征在于:手势的轮廓获取的具体步骤为:利用Kinect传感器获取手势的RGB图像和深度图像,利用Kinect窗口SDK手势跟踪函数定位手的位置,再根据深度数据从一定的深度中分割出一个粗糙的手势区域;同时,使用者在做手势的手的手腕上戴上黑色的腕带,在手势分割时使用RANSAC匹配一条线来定位黑色腕带,保证手势的形状能更精确地被分割,分割完成后得到一个完整的手势形状图,再将彩色的手势形状图二值化,利用边缘检测算法得到手势的轮廓,其中黑色腕带部分的轮廓为无用轮廓,予以去除,最终得到一个不闭合的手势轮廓。

3.根据权利要求2所述的基于显著特征点提取的手势识别方法,其特征在于:采用Canny算子提取所述待识别手势的轮廓,获得一个不闭合的手势轮廓。

4.根据权利要求1所述的基于显著特征点提取的手势识别方法,其特征在于:所述预设半径的确定步骤包括:计算所述待识别手势形状的面积,并对所述待识别手势形状的面积进行开平方得到所述待识别手势形状的预设半径。

5.根据权利要求1所述的基于显著特征点提取的手势识别方法,其特征在于:所述将所述待识别手势与预设模版库中的模版进行匹配,得到所述待识别手势的最佳匹配模版,包括:将所述待识别手势的特征参数与模版的特征参数进行距离的计算,并确定距离不大于其他模版的距离的模版为所述最佳匹配模版。

6.根据权利要求5所述的基于显著特征点提取的手势识别方法,其特征在于:将所述待识别手势的特征参数与模版的特征参数进行距离的计算,包括:将所述待识别手势的显著特征点序列的面积参数和归一化的点序参数作为目标序列,将需要与所述待识别手势进行匹配的一个模版的显著特征点序列的面积参数和归一化的点序参数作为匹配序列;

利用动态时间规整算法计算所述目标序列与所述匹配序列之间的距离,作为所述待识别手势与对应模板之间的距离。

7.根据权利要求6所述的基于显著特征点提取的手势识别方法,其特征在于:所述利用动态时间规整算法计算所述目标特征点序列与所述匹配序列之间的距离,包括:求取所述目标序列上一点p与所述匹配序列上一点q之间的欧氏距离,并比较所述目标序列上从起点到所述目标序列上一点p与所述匹配序列上从起点到所述匹配序列上一点的前一点q-1的对应点间的欧氏距离之和,所述目标序列上从起点到所述目标序列上一点的前一点p-1与所述匹配序列上从起点到所述匹配序列上一点q对应点间的欧氏距离之和与所述目标序列上从起点到所述目标序列上一点前一点p-1与所述匹配序列上从起点到所述匹配序列上一点的前一点q-1对应点间的欧氏距离之和,取三者之间的最小值与所述目标序列上一点与所述匹配序列上一点之间的欧氏距离相加,得到所述目标序列上从起点到所述目标序列上一点与所述匹配序列上从起点到所述匹配序列上一点对应点间的欧氏距离之和;

将得到的所述目标序列上从起点到终点与所述匹配序列上从起点到终点对应点间的欧氏距离之和作为所述目标序列与所述匹配序列之间的距离。