CN104239844A - 图像识别系统及图像识别方法 - Google Patents

Abstract

本发明公开了一种图像识别方法，其包含以下步骤：采集多张图像；对上述这些图像进行分析，以取得目标物；对目标物进行分析，以取得色彩信息与特征信息；根据色彩信息与特征信息对当前图像进行统计，以取得几率分布图；比较当前图像与其前一图像间的差异，以取得动态信息；以及将几率分布图与动态信息进行交集，从而识别目标物。另外，本发明还公开了一种图像识别系统。

Description

图像识别系统及图像识别方法

技术领域

本发明涉及一种识别方法及系统，尤其涉及一种图像识别方法与图像识别系统。 

背景技术

随着科技的发展，人机互动的模式逐渐朝着直觉式与人性化等特点发展，诸如从计算机时代开始的键盘、鼠标，发展到平板计算机时期的触控面板，而后，又衍生出手势识别等技术，使得人机之间的互动更加便利。 

现有手势识别的方式，是采用双镜头摄影机来采集图像，或者采用单一镜头搭配红外线摄影机来采集图像，这是由于单一镜头的稳定性较低，且单一镜头所采集到的可用信息较少。 

此外，在手势识别的实际操作上，现有的技术是通过双镜头摄影机（或单一镜头搭配红外线摄影机）采集图像，以分析图像中是否有用户的手部，而对手部的特定静态手势进行识别，并将上述静态手势与数据库中所存储的手势进行分析对比，如上所述的识别方式不仅耗时费工，且识别的准确率较低。 

发明内容

发明内容旨在提供本技术方案内容的简化摘要，以使读者对本技术方案内容具备基本的理解。此发明内容并非本技术方案内容的完整概述，且其用意并非在指出本发明实施例的重要/关键组件或界定本发明的范围。 

本发明提供一种识别方法包含以下步骤： 

采集多张图像；分析上述这些图像，以取得目标物；分析目标物，以取得色彩信息与特征信息；根据色彩信息与特征信息对当前图像进行计算，以取得几率分布图；比较当前图像与其前一图像间的差异，以取得动态信息；以及根据几率分布图与动态信息识别目标物。 

本发明提供一种图像识别系统。此图像识别系统包含图像采集设备以及处理器，处理器电性耦接于图像采集设备。其中，此处理器用以执行多个指令，上述这些指令包含： 

对上述这些图像进行分析，以取得目标物；对目标物进行分析，以取得色彩信息与特征信息；根据色彩信息与特征信息对当前图像进行计算，以取得几率分布图；比较当前图像与其前一图像间的差异，以取得动态信息；以及根据几率分布图与动态信息识别目标物。 

因此，根据本发明的技术内容，本发明实施例通过提供一种图像识别方法及图像识别系统，从而改善采用双镜头或单一镜头搭配红外线摄影机所导致成本较高的问题，并可进一步改善分析对比耗时费工，且识别的准确率较低的问题。 

在参阅下文实施方式后，本发明所属技术领域中具有通常知识的人员当可轻易了解本发明的基本精神及其他发明目的，以及本发明所采用的技术手段与实施方案。 

附图说明

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，对附图进行说明如下： 

图1是依照本发明第一实施例的一种图像识别方法的流程示意图。 

图2是依照本发明第二实施例的一种经图像识别方法处理的图像示意图。 

图3是依照本发明第三实施例的一种图像识别系统示意图。 

具体实施方式

本发明提出一种图像识别方法100，其步骤流程如图1所示，此图像识别方法100包含以下步骤： 

步骤110：采集多张图像； 

步骤120：分析这些图像，以取得目标物； 

步骤130：分析目标物，以取得色彩信息与特征信息； 

步骤140：根据色彩信息与特征信息对当前图像进行计算，以取得几率分布图； 

步骤150：比较当前图像与其前一图像间的差异，以取得动态信息；以及 

步骤160：根据几率分布图与动态信息识别目标物。 

为使图像识别方法100更浅显易懂，在此以识别使用者手势的例子来说明图像识别方法100的流程。然而，此处所举的手势的例子仅为本发明的一种实现方式，本发明的图像识别方法100也可用以识别人脸、汽车等，因此，上述实现方式并非用以限制本发明，本发明的保护范围当以权利要求书所界定者为准。 

首先，在上述步骤中，步骤110～130为图像识别方法100的前置步骤，旨在取得使用者手部的特定信息，以供后续步骤流程使用，从而能够更简单且正确地识别出手部。 

详细而言，在步骤110中，先行采集多张图像，接着，请看步骤120，对上述这些图像进行分析，诸如对上述这些图像的动态信息与形状信息进行分析，从而于图像中取得手部。随后，在步骤130中，对图像中手部位置上的像素进行分析，以取得色彩信息与特征信息，举例而言，色彩信息可为手部的颜色，而特征信息可为手掌上的纹路，进一步来说，可为纹路的深浅、纹路的走向与不同纹路间的相对位置等。 

在前置步骤完成后，取得了手部的特定信息，而此特定信息即可用以在后续流程中代表手部，换句话说，当图像内出现上述色彩信息与特征信息时，代表上述图像中出现了手部。然而，为求更快速且精准地从图像中识别出手部，请继续参照后续步骤。 

在实施本图像识别方法100时，会持续采集图像，并对当前图像进行识别，如步骤140所示，首先，根据色彩信息与特征信息对当前图像进行统计，以取得几率分布图。在图像中，色彩信息与特征信息可用以代表手部，因此，根据色彩信息与特征信息对当前图像进行计算后，可以取得手部在图像中分布的几率分布图。 

另一方面，请看步骤150，比较当前图像与其前一图像间的差异，以取得动态信息，详细而言，当手部有移动时，其在当前图像与其前一图像中的位置会不同，因此，在当前图像与其前一图像中的不同之处可视为手部移动所导致的差异，此差异会被找出来而视为动态信息，换言之，差异之处最有可能是手部在图像中的位置，此差异信息可为动态信息。进一步而言，为求得到更精准的动态信息，可进一步比较当前图像与前多张图像之间的差异，诸如进一步比较当前图像与前十张图像之间的差异。 

接着，在执行完步骤140与150，而分别取得几率分布图与动态信息后，由于两者皆记录了手部在图像出现几率较高的信息，因此，在步骤160中，将几率分布图与动态信息进行交集，如此一来，即可识别出目标物。 

在此需说明的是，采用步骤140，其相较于现有技术，可更快速地通过几率分布图而初步确认手部在图像中的位置。此外，采用步骤150，由于其仅针对在两张图像中有移动的部分进行识别，而可更快速且准确地确认手部在图像中的位置，因此，采用图像识别方法100能够更快速且精确地识别出图像中的手部。此外，本发明实施例的图像识别方法100仅需采用单一图像采集设备即可实施，因此，可进一步节省成本。 

为求更完整地呈现本发明，在此结合图2进一步说明本发明。图2是依 照本发明第二实施例的一种经图像识别方法100处理的图像示意图。在一实施方式中，请看图像210，其包含手部211与其余对象信息212、213、215、217、219，在此，对根据色彩信息与特征信息对图像210的每个像素进行是否属于手部的几率统计，以取得几率分布图220。 

其次，在一实施方式中，由图2的图像210可知，除了对象212以外，手部211与其余对象213、215、217、219的色彩相近，因此，在几率分布图220中，除了手部211以外，其余对象213、215、217、219在几率分布图220也有相应的高几率区域，诸如高几率区域221、223、225、227、229等，前述这些高几率区域皆代表手部可能在图像中出现的区域。 

然而，由图2可知仅有高几率区域221为手部真正出现的区域，因此，为确保识别的准确性，图像识别方法100还可根据形态学对几率分布图220的上述这些高几率区域进行过滤。详细而言，所谓形态学可为对一般人手部的形态的准则，诸如一般人手部的大小皆占有一定的面积、手指与掌心的比例等。因此，通过形态学来对几率分布图220的上述这些高几率区域进行过滤后，除了高几率区域221、223以外，其余高几率区域所占面积或比例均不符合形态学的准则而被滤除，上述根据形态学过滤后的图像如图像230所示。 

此外，在一实施方式中，为求取得的动态信息更加准确，除如步骤150比较当前图像与前一图像之间的差异外，还将上述两者与背景模型一同进行比较，以取得动态信息，而此动态信息可参考图2中的图像240，由于图像210中的手部211与汽车212有移动，因此，经由步骤150可得动态信息241与242。 

此外，在一实施方式中，请看图2，前述将几率分布图（诸如图像230）与动态信息（诸如图像240中的动态信息241、242）进行交集，其交集运算的方式可参考图像250，其中高几率区域221与动态信息241有交集而被确认为手部，此外，高几率区域223因为与动态信息241及242皆无交集而被滤除，如此一来，即能识别出手部的位置261（请参见图像260），此外，依照上述图像识别方法100的步骤流程，即能进一步识别出手部的形态变化或移 动轨迹。 

在一实施方式中，当识别出手部的形态变化或移动轨迹时，本发明还可根据手部的形态变化或移动轨迹而启动计算机中的相应功能。 

在一实施方式中，前述图像识别方法100还包含：对上述这些图像进行噪声过滤，从而能滤除噪声，增加本发明实施例的图像识别方法100的准确度。 

如上所述的图像识别方法100可由图像识别系统来实现，此图像识别系统在图3中示出。如图3所示，图像识别系统300包含图像采集设备310以及处理器320，在结构上，处理器320电性耦接于图像采集设备310（图中未示出）。此处理器320用以执行多个指令，其中上述这些指令包含： 

对上述这些图像进行分析，以取得目标物； 

对目标物进行分析，以取得色彩信息与特征信息； 

根据色彩信息与特征信息对当前图像进行计算，以取得几率分布图； 

比较当前图像与其前一图像间的差异，以取得动态信息；以及 

根据几率分布图与动态信息识别目标物。 

在此需说明的是，上述处理器320所执行的上述这些指令皆已在上文图像识别方法100的相关论述中提及，为使本发明说明书简洁，在此不作赘述。 

进一步而言，前述几率分布图包含多个高几率区域，其中图像识别系统300的处理器320还用以执行以下指令： 

对上述这些图像进行噪声过滤； 

根据色彩信息与特征信息对当前图像的每个像素进行是否属于目标物的几率计算，以取得几率分布图； 

根据形态学对几率分布图的上述这些高几率区域进行过滤； 

比较当前图像、前一图像间以及背景模型之间的差异，以取得动态信息； 

根据几率分布图与动态信息识别目标物的形态变化或移动轨迹；以及 

根据目标物的形态变化或移动轨迹而启动计算机中的相应功能。 

同样地，上述处理器320所执行的上述这些指令皆已在上文图像识别方法100的相关论述中提及，为使本发明说明书简洁，在此不作赘述。 

如上所述的图像识别方法100均可由软件、硬件与/或固件来执行。举例来说，若以执行速度及精确性为首要考虑，则基本上可选用硬件与/或固件为主；若以设计弹性为首要考虑，则基本上可选用软件为主；或者，可同时采用软件、硬件及固件协同作业。应了解到，以上所举的这些例子并没有所谓孰优孰劣之分，也并非用以限制本发明，本领域技术人员当视当时需要弹性设计。 

此外，所属技术领域中具有通常知识的人员应当知道，图像识别方法100中的各步骤依据其执行的功能予以命名，仅为了让本发明的技术更加明显易懂，并非用以限定上述这些步骤。将各步骤予以整合成同一步骤或分拆成多个步骤，或者将任一步骤更换到另一步骤中执行，都仍属于本技术方案内容的实施方式。 

虽然上文实施方式中公开了本发明的具体实施例，然其并非用以限定本发明，本发明所属技术领域中具有通常知识的人员，在不悖离本发明的原理与精神的情形下，当可对其进行各种变动与修饰，因此本发明的保护范围当视权利要求书所界定者为准。 

Claims (10)

1.一种图像识别方法，其特征在于，包含：

采集多张图像；

分析上述这些图像，以取得目标物；

分析上述目标物，以取得色彩信息与特征信息；

根据上述色彩信息与上述特征信息对当前图像进行计算，以取得几率分布图；

比较上述当前图像与其前一图像间的差异，以取得动态信息；以及

根据上述几率分布图与上述动态信息识别上述目标物。

2.根据权利要求1所述的图像识别方法，其特征在于，所述几率分布图包含多个高几率区域，其中所述图像识别方法还包含：

根据形态学对所述几率分布图的上述这些高几率区域进行过滤。

3.根据权利要求1所述的图像识别方法，其特征在于，所述根据上述色彩信息与上述特征信息对当前图像进行计算，以取得几率分布图的步骤，包含：

根据所述色彩信息与所述特征信息对所述当前图像的每个像素进行是否属于目标物的几率统计，以取得所述几率分布图。

4.根据权利要求1所述的图像识别方法，其特征在于，所述比较上述当前图像与其前一图像间的差异，以取得动态信息的步骤，包含：

比较所述当前图像、所述前一图像间以及背景模型之间的差异，以取得所述动态信息。

5.根据权利要求1所述的图像识别方法，其特征在于，还包含：

对所述这些图像进行噪声过滤。

6.根据权利要求1所述的图像识别方法，其特征在于，所述根据上述几率分布图与上述动态信息识别上述目标物的步骤，还包含：

根据所述几率分布图与所述动态信息识别所述目标物的形态变化或移动轨迹。

7.根据权利要求6所述的图像识别方法，其特征在于，还包含：

根据所述目标物的所述形态变化或所述移动轨迹而启动计算机中的相应功能。

8.一种图像识别系统，其特征在于，包含：

图像采集设备，其用以采集多张图像；

处理器，其电性耦接于上述图像采集设备，并用以执行多个指令，上述这些指令包含：

对上述这些图像进行分析，以取得目标物；

对上述目标物进行分析，以取得色彩信息与特征信息；

根据上述色彩信息与上述特征信息对当前图像进行计算，以取得几率分布图；

比较上述当前图像与其前一图像间的差异，以取得动态信息；以及

根据上述几率分布图与上述动态信息识别上述目标物。

9.根据权利要求8所述的图像识别系统，其特征在于，所述几率分布图包含多个高几率区域，其中所述处理器还用以执行以下指令：

对所述这些图像进行噪声过滤；

根据所述色彩信息与所述特征信息对所述当前图像的每个像素进行是否属于目标物的几率统计，以取得所述几率分布图；

根据形态学对所述几率分布图的上述这些高几率区域进行过滤；

比较所述当前图像、所述前一图像间以及背景模型之间的差异，以取得所述动态信息；以及

将所述几率分布图与所述动态信息进行交集，从而识别所述目标物的形态变化或移动轨迹。

10.根据权利要求9所述的图像识别系统，其特征在于，所述处理器还用以执行以下指令：

根据所述目标物的所述形态变化或所述移动轨迹而启动计算机中的相应功能。