CN104809430B - 一种手掌区域识别方法及装置 - Google Patents
一种手掌区域识别方法及装置 Download PDFInfo
- Publication number
- CN104809430B CN104809430B CN201510155838.2A CN201510155838A CN104809430B CN 104809430 B CN104809430 B CN 104809430B CN 201510155838 A CN201510155838 A CN 201510155838A CN 104809430 B CN104809430 B CN 104809430B
- Authority
- CN
- China
- Prior art keywords
- human hand
- straight line
- region
- hand region
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明实施例提供一种手掌区域识别方法及装置,包括:获取待检测图像,确定人手区域与待检测图像边界的交线的中点以及人手区域的质心;将经过质心以及中点的直线作为第一直线;针对人手区域中的任一个像素点,确定出经过任一像素点,且与第一直线相垂直的第二直线;根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;根据人手区域宽度及预设的判断条件确定其中一条第二直线作为人手区域中手臂区域与手掌区域的区域边界线,并将人手区域中像素点对应的第二直线的斜距值大于区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种手掌区域识别方法及装置。
背景技术
手势是人类的一种重要的沟通方式,通过手掌和手指位置、形状可以形成的一套语言系统,并且在人机交互中有不可替代的作用。人机交互技术正在逐步转向以人为中心的阶段,利用手势进行人机交互逐渐渗入到工业生产和大众生活中,为特定场合和情景下的交互提供了可行的方案。当前手势主要应用领域有工业生产中利用手势控制完成具有危险性的工作;医疗中利用手势控制机器人完成手术;辅助聋哑人群的生活;通过手势来操作游戏。在智能电视方面,通过手势进行电视控制,体感游戏,都给用户带来很好的用户体验。因此,手势识别在各行各业都有重要的应用价值。
在具体识别手势语言系统过程中,由于手臂和手掌的颜色相似,检测方法得到的图像包含了手臂。而手臂对于手势识别是很大干扰,因为本身含有的信息量少,但是所占的面积又很大。因此,在进行识别之前,需要去除手臂部分的图像,只保留手掌。
目前并没有一种好的方法能够实现较准确的将人手图像中手臂区域和手掌区域分割开来的方法。
发明内容
本发明实施例提供一种手掌区域识别方法及装置,用以解决现有技术中不能很好的将人手图像中手臂区域和手掌区域分割开来,造成干扰手势识别准确度的问题。
本发明实施例提供的一种手掌区域识别方法,所述人手区域包括手臂区域和手掌区域,该方法包括:
获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
将经过所述质心以及所述中点的直线作为第一直线;
针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
本发明实施例提供一种手掌区域识别装置,所述人手区域包括手臂区域和手掌区域,该装置包括:
获取单元,用于获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
第一直线确定单元,用于将经过所述质心以及所述中点的直线作为第一直线;
第二直线确定单元,用于针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
人手区域宽度确定单元,用于根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
区域边界线确定单元,用于根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
根据本发明实施例提供的方法,通过检测人手区域和图像边界交线的中点和获取待检测图像中例如遍历人手区域中每个像素点,确定出经过人手区域的质心,两点确定一条直线,得到第一直线,并将垂直于第一直线的第二直线中位于手臂区域的长度作为人手区域宽度。根据预设的判断条件,例如,人手区域宽度是先变小后变大的趋势,将第二直线中其中一条,例如,将人手区域宽度变化的拐点处对应的第二直线作为手臂区域和手掌区域的边界,得到区域边界线后,结合第二直线的斜距值,从而精确的分割出手臂区域和手掌区域,解决了现有技术中无法区分手臂区域和手掌区域,造成干扰手势识别准确度的技术问题。
附图说明
图1为本发明实施例提供的一种手掌区域识别方法流程图;
图2为本发明实施例提供的一种待检测图像示意图;
图3为本发明实施例提供的一种手掌区域识别装置结构图。
具体实施方式
下面结合说明书附图对本发明实施例做详细描述。
如图1所示,本发明实施例提供的一种手掌区域识别方法流程图,人手区域包括手臂区域和手掌区域,该方法包括:
步骤101:获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
步骤102:将经过所述质心以及所述中点的直线作为第一直线;
步骤103:针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
步骤104:根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
步骤105:根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
在步骤101中,需要对获得的图像进行预处理,从而获得待检测图像。首先将获得的图像进行裁剪,将该图像中可能包含手掌和/或手臂的区域保留,将该区域作为待检测图像。具体如何对获得的图像进行裁剪,从而获得待检测图像的方法有多种,本发明实施例对此并不限定。需要说明的是,由于待检测图像是通过裁剪获得的,因此待检测区域中如果包含手臂区域,则手臂区域中包含的像素点必然是从待检测图像的边界开始向待检测图像内部延伸,即手臂区域与待检测图像的边界相交。
获取待检测图像之后,首先需要确定人手区域中手臂区域的方向。确定人手区域中手臂区域的方向主要有两个步骤:步骤一、确定人手区域与待检测图像边界的交线的中点;步骤二、确定人手区域的质心。人手区域中手臂区域的方向与经过所述质心以及所述中点的直线平行。需要说明的是,在对待检测图像进行处理时,需要建立一个坐标系,本发明实施例中通过建立以待检测图像左下角为原点、待检测图像左下角至右下角为x方向、待检测图像左下角至左上角为y方向的坐标系。当然也可以建立其他形式的坐标系,在此不再赘述。
下面详细描述如何确定人手区域与待检测图像边界的交线的以及人手区域的质心。
步骤一、确定人手区域与待检测图像边界的交线的中点。
具体的,判断所述待检测图像中是否包括衣袖区域,若是,则去除所述衣袖区域,并将去除所述衣袖区域的人手区域与所述衣袖区域交界的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点,否则将所述人手区域与所述待检测图像边界的交线的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点。
确定待检测图像中是否包含衣袖区域的方法有很多,例如可以通过人手区域与衣袖区域像素点的像素点值不同来确定人手区域是否包含衣袖区域。具体的,判断待检测图像中是否有像素点值不在预设像素点值范围内的像素点,若是,则确定所述待检测图像中还包含衣袖区域。在判断出衣袖区域所包含的像素点之后,将衣袖区域的像素点去除。具体的,可以将衣袖区域的像素点的颜色设置为白色等。例如,人手区域的像素点的像素点值的范围为[a,b],遍历待检测图像中的每个像素点,将像素点的像素点值不在该范围内的像素点的像素点值设置为255,即白色,也可以设置为其他颜色,这样就达到识别出衣袖区域,并可以根据识别出的衣袖区域将衣袖去除。
步骤二、确定人手区域的质心。
具体的,确定所述人手区域所包含的边缘像素点;根据所述人手区域所包含的边缘像素点确定出所述人手区域的边缘的质心;将经过所述边缘的质心以及所述中点的直线确定为第三直线;将所述待检测图像中与所述第三直线的距离小于预设阈值的像素点确定为所述人手区域所包含的像素点;根据所述人手区域所包含的像素点确定所述人手区域的质心。
为了保证确定的人手区域的质心的精确性,可以在待检测图像中包括衣袖区域时,将人手区域与衣袖区域交界的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点;根据所述人手区域的边缘像素点确定出所述人手区域的质心。
在步骤102中,将经过所述质心以及所述中点的直线作为第一直线,该第一直线即平行于手臂区域的方向。确定了手臂区域的方向,获得手臂区域的宽度就很容易实现了。
步骤103中,需要根据步骤102中确定的第一直线,将经过人手区域中的一个像素点且与第一直线相垂直的直线统称为第二直线。第二直线是垂直于手臂区域的方向的,那么每条第二直线中位于手臂区域的部分就可以作为人手区域宽度,即获得手臂区域宽度的大小。
在步骤104中,先确定出人手区域中位于同一条第二直线上的所有像素点,并将距离最远的两个像素点之间的距离作为人手区域宽度。确定人手区域中位于同一条第二直线上的所有像素点的方法有多种,本发明实施例中,将人手区域中每个像素点对应的第二直线的直线方程记录下来,然后通过每条第二直线的直线方程确定所有第二直线的斜距值,例如直线方程为y=kx+b的直线,x,y为未知数,k,b为已知数,k就是该直线的斜率,b就是该直线的斜距值。然后将对应斜距值相同的像素点划分为一组,可以确定每一组像素点位于同一条第二直线中,然后对于一组像素点,将距离最远的两个像素点之间的距离作为人手区域宽度。这样就能确定出人手区域中沿着手臂方向,即平行于第一直线的人手区域宽度的变化趋势。
最后在步骤105中,可以通过人手区域宽度的变化趋势,根据预设的判断条件选择一条第二直线作为人手区域中手臂区域和手掌区域的边界,从而分割出手掌区域。由于人手区域中可能包含衣袖区域,因此可以通过对人手区域确定是否包含衣袖区域来分别处理,若待检测图像不包括衣袖区域,则从人手区域与所述待检测图像边界的交线的中点对应的人手区域宽度开始判断,否则从所述人手区域与所述衣袖区域交界的中点对应的人手区域宽度开始判断,当确定相邻N个人手区域宽度递增时,将所述相邻N个人手区域宽度中第M个所述人手区域宽度所对应第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,其中N为正整数,M为正整数,N的取值可以为3、4或者5,M的取值可以为1、2、3、4或者5,具体根据实际情况确定。具体的,如步骤104中的描述,已经将位于同一条第二直线上的像素点划分为一组,每组像素点对应一个第二直线的斜距值以及一个人手区域宽度,从斜距值最小的一组像素点开始遍历,确定人手区域宽度的变化趋势。人手区域宽度沿手臂区域至手掌区域方向的变化趋势是先变小后变大,在遍历每组像素点时,每次只比较相邻的N组像素点对应的N个人手区域宽度,当确定相邻的N组像素点对应的N个人手区域宽度递增时,可以确定遍历到了手臂区域与手掌区域的边界处,此时从这N个人手区域宽度对应的第二直线中选择一条第二直线作为边界线,可以将相邻N个人手区域宽度中第M个人手区域宽度所对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线。
通过上述过程确定出的第二直线作为边界线,已经可以将手掌区域从待检测图像中分割出来,为了获得一个较准确的边界线,还需将确定的第二直线与人手区域的质心对应的人手区域宽度做比较,下面进行详细描述。
人手区域不包括衣袖区域:
确定人手区域质心对应的人手区域宽度,并将人手区域的质心对应的人手区域宽度与最小的K个斜距值对应的K个人手区域宽度的平均值进行比较,K一般取10,当人手区域的质心对应的人手区域宽度超出最小的K个斜距值对应的K个人手区域宽度的平均值的十分之一,或者超出8个像素及8个像素以上时,可以确定质心位于人手区域的手掌区域中,此时将相邻N个人手区域宽度中第M个人手区域宽度所对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线;
当人手区域的质心对应的人手区域宽度超出最小的K个斜距值对应的K个人手区域宽度的平均值的十分之一以内,或者超出8个像素以内时,可以确定质心位于人手区域的手臂区域与手掌区域的交界附近,此时从斜距值对应的人手区域宽度开始递增的N个斜距值中最小斜距值开始判断,判断N个斜距值中是否有满足斜距值对应的第二直线与第一直线的交点到人手区域的质心的距离小于预设阈值,且该斜距值与人手区域质心对应的斜距值的差值在预设范围内的斜距值,如果有,则将该斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线,否则,将N个斜距值中最小斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线;
人手区域的质心对应的人手区域宽度小于最小的K个斜距值对应的K个人手区域宽度的平均值时,可以确定质心位于人手区域的手臂区域,此时从斜距值对应的人手区域宽度开始递增的N个斜距值中最小斜距值开始判断,将N个斜距值中斜距值对应的人手区域宽度与基准人手区域宽度的差值的绝对值在预设范围内的斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线,该预设范围需要根据实际情况确定。
人手区域包括衣袖区域:
将确定的刚开始递增的N个斜距值对应的人手区域宽度与最小的K个斜距值对应的K个人手区域宽度的平均值进行比较,从N个斜距值中最小斜距值对应的人手区域宽度开始判断,如果判断出递增的N个斜距值对应的人手区域宽度与最小的K个斜距值对应的K个人手区域宽度的平均值的差值均大于预设值时,将该斜距值对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线,否则,将递增的N个斜距值中最小斜距值删除,并新增第N+1个斜距值,重新判断。
确定了人手区域中手臂区域与手掌区域的边界线之后,就可以将手掌区域识别出来,并分割出来。可以通过像素点对应的斜距值确定该像素点是否属于手掌区域,将人手区域中像素点对应的第二直线的斜距值大于区域边界线的斜距值的像素点确定为手掌区域中的像素点。如果需要分割出手掌区域,可以对手掌区域的像素点进行标记,例如标记为白色,将标记后的像素点输出即可。
下面通过具体的实施例来详细描述。
实施例一
如图2所示,图2中待检测图像的人手区域中不包括衣袖区域,根据以下步骤实现手掌区域识别:
步骤一,确定与人手区域的手臂方向相平行的第一直线的直线方程。
此时求取待检测图像中人手区域的边缘的质心A,A点的横坐标值为组成人手区域的边缘的所有像素点的横坐标值的平均值,A点的纵坐标值为组成人手区域的边缘的所有像素点的纵坐标值的平均值。
获得B点坐标,B点坐标为人手区域与待检测图像的边缘相交的线段的中点。可以根据实际情况将该中点的位置向待检测图像内部平移,获得图2中所示的B点。
求出人手区域的每个像素点到直线AB的距离,将距离小于预设阈值的像素点的坐标记录下。遍历完人手区域所有像素点之后,将满足像素点到直线AB的距离小于预设阈值的像素点的坐标取平均值,从而获得人手区域质心E的坐标。求出直线BE的直线方程,直线BE就是与人手区域的手臂方向相平行的第一直线。
步骤二,确定出与第一直线相垂直的第二直线的斜距值。
针对人手区域中的一个像素点,求出过该像素点且与第一直线相垂直的第二直线,并获取该第二直线的斜距值。遍历人手区域中的所有像素点,获得每个像素点对应的斜距值。
步骤三,根据人手区域中的每个像素点所对应的第二直线的斜距值,确定出人手区域中手臂区域与手掌区域的区域边界线。
将人手区域中对应相同斜距值的像素点分为一组,针对每一组像素点,将距离最远的两个像素点之间的距离作为人手区域宽度,并确定与所述人手区域宽度对应的斜距值;根据第二直线的斜距值从小到大的顺序,比较相邻N个斜距值对应的人手区域宽度,当确定所述相邻N个斜距值对应的人手区域宽度递增时,将所述相邻N个斜距值中第M个斜距值所对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线。
为了提高准确性,还可以通过以下方式确定人手区域中手臂区域与手掌区域的区域边界线。
获取最小的K个斜距值对应的人手区域宽度的平均值,为了描述方便,将该平均值称为基准人手区域宽度zz。过质心E的第二直线与人手区域的边缘的交点分别为F和G,则线段FG为过质心E的第二直线对应的人手区域宽度。根据FG与基准人手区域宽度zz的大小可以确定质心E的位置区域。
当FG超过zz的十分之一或者FG-zz>8,可以确定质心E位于人手区域的手掌区域中。在确定相邻N个斜距值对应的人手区域宽度递增时,将相邻N个人手区域宽度中第M个人手区域宽度所对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线;
当FG超过zz十分之一以内,或者0<=FG-zz<=8,可以确定质心E位于人手区域的手臂区域与手掌区域的交界处,判断N个斜距值中是否有满足斜距值对应的第二直线与第一直线的交点到人手区域的质心的距离小于预设阈值,且该斜距值与人手区域质心对应的斜距值的差值在预设范围内的斜距值,如果有,则将该斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线,否则,将N个斜距值中最小斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线;
当FG小于zz时,即FG-zz<0,可以确定质心E位于人手区域中手臂区域偏向待检测图的边缘处,将N个斜距值中斜距值对应的人手区域宽度与基准人手区域宽度的差值的绝对值在预设范围内的斜距值对应的第二直线作为人手区域中手臂区域与手掌区域的区域边界线,该预设范围需要根据实际情况确定。
最后根据区域边界线分割待检测图像中手臂区域与手掌区域,并将分割后的手掌区域输出。
实施例二
待检测图像的人手区域中包括衣袖区域,根据以下步骤实现手掌区域识别:
步骤一、将衣袖区域去除。
可以通过人手区域与衣袖区域像素点的像素点值不同来确定人手区域是否包含衣袖区域,在此不再赘述。
步骤二,确定与人手区域的手臂方向相平行的第一直线的直线方程。
此时求取待检测图像中人手区域的边缘的质心的坐标,边缘的质心的横坐标值为组成人手区域的边缘的所有像素点的横坐标值的平均值,边缘的质心的纵坐标值为组成人手区域的边缘的所有像素点的纵坐标值的平均值。
获取人手区域与衣袖区域的边缘相交的线段的中点,确定经过人手区域的边缘的质心以及人手区域与衣袖区域的边缘相交的线段的中点的直线为第三直线,求出人手区域的每个像素点到第三直线的距离,将距离小于预设阈值的像素点的坐标记录下。遍历完人手区域所有像素点之后,将满足像素点到第三直线的距离小于预设阈值的像素点的坐标取平均值,从而获得人手区域的质心的坐标。将经过人手区域的质心以及人手区域与衣袖区域的边缘相交的线段的中点的直线作为第一直线,该第一直线就是与人手区域的手臂方向相平行的直线。
步骤三,确定出与第一直线相垂直的第二直线的斜距值。
将经过人手区域中任一像素点,且与第一直线相垂直的直线作为第二直线,并获取该第二直线的斜距值。遍历人手区域中的所有像素点,获得每个像素点对应的斜距值。
步骤四,根据人手区域中的每个像素点所对应的第二直线的斜距值,确定出人手区域中手臂区域与手掌区域的区域边界线。
将所述人手区域中对应相同斜距值的像素点分为一组,针对每一组像素点,将距离最远的两个像素点之间的距离作为人手区域宽度,并确定与所述人手区域宽度对应的斜距值;根据第二直线的斜距值从小到大的顺序,比较相邻N个斜距值对应的人手区域宽度,当确定所述相邻N个斜距值对应的人手区域宽度递增时,将所述相邻N个斜距值中第M个斜距值所对应第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线。
进一步的,为了获得更精确的区域边界线,根据第二直线的斜距值从小到大的顺序进行遍历,把前K个斜距值对应的人手区域宽度累加计算出平均值称为AvgD,K一般取10。当确定从第K个斜距值开始,相邻N个斜距值对应的人手区域宽度递增时,从相邻N个斜距值对应的人手区域宽度中最小的斜距值对应的人手区域宽度进行判断,如果确定出一个斜距值对应的人手区域宽度和AvgD值的差值大于预设值,则将该斜距值对应第二直线作为人手区域中手臂区域与手掌区域的区域边界线,否则,将递增的N个斜距值中最小斜距值删除,并新增第N+1个斜距值,重新判断。
最后根据区域边界线分割待检测图像中手臂区域与手掌区域,并将分割后的手掌区域输出。
针对上述方法流程,本发明实施例还提供一种手掌区域识别装置,该装置的具体内容可以参照上述方法实施,在此不再赘述。
如图3所示,本发明实施例提供的一种手掌区域识别装置结构图,包括:
本发明实施例提供一种手掌区域识别装置,所述人手区域包括手臂区域和手掌区域,该装置包括:
获取单元301,用于获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
第一直线确定单元302,用于将经过所述质心以及所述中点的直线作为第一直线;
第二直线确定单元303,用于针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
人手区域宽度确定单元304,用于根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
区域边界线确定单元305,用于根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
较佳的,所述获取单元301具体根据以下步骤确定所述人手区域与所述待检测图像边界的交线的中点:
判断所述待检测图像中是否包括衣袖区域,若是,则去除所述衣袖区域,并将去除所述衣袖区域的人手区域与所述衣袖区域交界的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点,否则将所述人手区域与所述待检测图像边界的交线的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点。
较佳的,所述获取单元301具体根据以下步骤确定所述人手区域的质心:
确定所述人手区域所包含的边缘像素点;
根据所述人手区域所包含的边缘像素点确定出所述人手区域的边缘的质心;
将经过所述边缘的质心以及所述中点的直线确定为第三直线;
将所述待检测图像中与所述第三直线的距离小于预设阈值的像素点确定为所述人手区域所包含的像素点;
根据所述人手区域所包含的像素点确定所述人手区域的质心。
较佳的,所述第二直线确定单元303用于:
将所述人手区域中像素点对应的第二直线的斜距值相同的第二直线确定为同一条第二直线,并将对应于同一条第二直线的所有像素点中距离最远的两个像素点之间的距离作为人手区域宽度。
较佳的,所述区域边界线确定单元305用于:
若所述待检测图像不包括衣袖区域,则从所述人手区域与所述待检测图像边界的交线的中点对应的人手区域宽度开始判断,否则从所述人手区域与所述衣袖区域交界的中点对应的人手区域宽度开始判断,当确定相邻N个人手区域宽度递增时,将所述相邻N个人手区域宽度中第M个所述人手区域宽度所对应第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,其中N为正整数,M为正整数。
根据本发明实施例提供的方法,通过遍历人手区域中每个像素点,确定出经过人手区域的质心且平行于手臂的第一直线,并将垂直于第一直线的第二直线中位于手臂区域的长度作为人手区域宽度。根据沿手臂区域至手掌区域方向中,人手区域宽度是先变小后变大的趋势,将人手区域宽度变化的拐点处选择一条第二直线作为手臂区域和手掌区域的边界,从而精确的分割出手臂区域和手掌区域,不依懒于设备,也不限制应用场景,因此适用性更强。
根据本发明实施例提供的方法,通过检测人手区域和图像边界交线的中点和获取待检测图像中确定出经过人手区域的质心,两点确定一条直线,得到第一直线,并将垂直于第一直线的第二直线中位于手臂区域的长度作为人手区域宽度。根据预设的判断条件和人手区域宽度,将第二直线中其中一条,作为手臂区域和手掌区域的边界,得到区域边界线后,结合第二直线的斜距值,从而精确的分割出手臂区域和手掌区域,解决了现有技术中无法区分手臂区域和手掌区域,造成干扰手势识别准确度的技术问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种人手区域中手掌区域的识别方法,所述人手区域包括手臂区域和手掌区域,其特征在于,该方法包括:
获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
将经过所述质心以及所述中点的直线作为第一直线;
针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
2.如权利要求1所述的方法,其特征在于,所述确定所述人手区域与所述待检测图像边界的交线的中点步骤具体为:
判断所述待检测图像中是否包括衣袖区域,若是,则去除所述衣袖区域,并将去除所述衣袖区域的人手区域与所述衣袖区域交界的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点,否则将所述人手区域与所述待检测图像边界的交线的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点。
3.如权利要求1所述的方法,其特征在于,所述确定所述人手区域的质心步骤具体为:
确定所述人手区域所包含的边缘像素点;
根据所述人手区域所包含的边缘像素点确定出所述人手区域的边缘的质心;
将经过所述边缘的质心以及所述中点的直线确定为第三直线;
将所述待检测图像中与所述第三直线的距离小于预设阈值的像素点确定为所述人手区域所包含的像素点;
根据所述人手区域所包含的像素点确定所述人手区域的质心。
4.如权利要求2或3所述的方法,其特征在于,所述将位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度,包括:
将所述人手区域中像素点对应的第二直线的斜距值相同的第二直线确定为同一条第二直线,并将对应于同一条第二直线的所有像素点中距离最远的两个像素点之间的距离作为人手区域宽度。
5.如权利要求2或3所述的方法,其特征在于,所述根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,包括:
若所述待检测图像不包括衣袖区域,则从所述人手区域与所述待检测图像边界的交线的中点对应的人手区域宽度开始判断,否则从所述人手区域与所述衣袖区域交界的中点对应的人手区域宽度开始判断,当确定相邻N个人手区域宽度递增时,将所述相邻N个人手区域宽度中第M个所述人手区域宽度所对应第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,其中N为正整数,M为正整数。
6.一种手掌区域识别装置,人手区域包括手臂区域和手掌区域,其特征在于,该装置包括:
获取单元,用于获取待检测图像,确定所述人手区域与所述待检测图像边界的交线的中点以及所述人手区域的质心;
第一直线确定单元,用于将经过所述质心以及所述中点的直线作为第一直线;
第二直线确定单元,用于针对所述人手区域中的任一个像素点,确定出经过所述任一像素点,且与所述第一直线相垂直的第二直线;
人手区域宽度确定单元,用于根据第二直线的斜距值确定所述人手区域中位于同一条第二直线的像素点,并将所述人手区域中位于同一条第二直线的像素点中距离最远的两个像素点之间的距离作为人手区域宽度;
区域边界线确定单元,用于根据所述人手区域宽度及预设的判断条件确定其中一条第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,并将所述人手区域中像素点对应的第二直线的斜距值大于所述区域边界线的斜距值的像素点,确定为手掌区域中的像素点。
7.如权利要求6所述的装置,其特征在于,所述获取单元具体根据以下步骤确定所述人手区域与所述待检测图像边界的交线的中点:
判断所述待检测图像中是否包括衣袖区域,若是,则去除所述衣袖区域,并将去除所述衣袖区域的人手区域与所述衣袖区域交界的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点,否则将所述人手区域与所述待检测图像边界的交线的中点坐标确定为所述人手区域与所述待检测图像边界的交线的中点。
8.如权利要求6所述的装置,其特征在于,所述获取单元具体根据以下步骤确定所述人手区域的质心:
确定所述人手区域所包含的边缘像素点;
根据所述人手区域所包含的边缘像素点确定出所述人手区域的边缘的质心;
将经过所述边缘的质心以及所述中点的直线确定为第三直线;
将所述待检测图像中与所述第三直线的距离小于预设阈值的像素点确定为所述人手区域所包含的像素点;
根据所述人手区域所包含的像素点确定所述人手区域的质心。
9.如权利要求7或8所述的装置,其特征在于,所述第二直线确定单元用于:
将所述人手区域中像素点对应的第二直线的斜距值相同的第二直线确定为同一条第二直线,并将对应于同一条第二直线的所有像素点中距离最远的两个像素点之间的距离作为人手区域宽度。
10.如权利要求7或8所述的装置,其特征在于,所述区域边界线确定单元用于:
若所述待检测图像不包括衣袖区域,则从所述人手区域与所述待检测图像边界的交线的中点对应的人手区域宽度开始判断,否则从所述人手区域与所述衣袖区域交界的中点对应的人手区域宽度开始判断,当确定相邻N个人手区域宽度递增时,将所述相邻N个人手区域宽度中第M个所述人手区域宽度所对应第二直线作为所述人手区域中手臂区域与手掌区域的区域边界线,其中N为正整数,M为正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510155838.2A CN104809430B (zh) | 2015-04-02 | 2015-04-02 | 一种手掌区域识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510155838.2A CN104809430B (zh) | 2015-04-02 | 2015-04-02 | 一种手掌区域识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809430A CN104809430A (zh) | 2015-07-29 |
CN104809430B true CN104809430B (zh) | 2018-02-27 |
Family
ID=53694241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510155838.2A Active CN104809430B (zh) | 2015-04-02 | 2015-04-02 | 一种手掌区域识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809430B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868751B (zh) * | 2016-03-28 | 2019-02-05 | 山东东港彩意网络科技有限公司 | 即开票兑奖区定位方法 |
CN107341811B (zh) * | 2017-06-20 | 2020-11-13 | 上海数迹智能科技有限公司 | 基于深度图像的利用MeanShift算法进行手部区域分割的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281600A (zh) * | 2008-06-03 | 2008-10-08 | 北京大学 | 一种掌纹特征获取方法及相应的基于掌纹的身份识别方法 |
CN102163282A (zh) * | 2011-05-05 | 2011-08-24 | 汉王科技股份有限公司 | 掌纹图像感兴趣区域的获取方法及装置 |
CN103544472A (zh) * | 2013-08-30 | 2014-01-29 | Tcl集团股份有限公司 | 一种基于手势图像的处理方法及处理装置 |
CN104123531A (zh) * | 2013-04-28 | 2014-10-29 | 汉王科技股份有限公司 | 一种掌纹兴趣区域定位的方法和装置 |
-
2015
- 2015-04-02 CN CN201510155838.2A patent/CN104809430B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281600A (zh) * | 2008-06-03 | 2008-10-08 | 北京大学 | 一种掌纹特征获取方法及相应的基于掌纹的身份识别方法 |
CN102163282A (zh) * | 2011-05-05 | 2011-08-24 | 汉王科技股份有限公司 | 掌纹图像感兴趣区域的获取方法及装置 |
CN104123531A (zh) * | 2013-04-28 | 2014-10-29 | 汉王科技股份有限公司 | 一种掌纹兴趣区域定位的方法和装置 |
CN103544472A (zh) * | 2013-08-30 | 2014-01-29 | Tcl集团股份有限公司 | 一种基于手势图像的处理方法及处理装置 |
Non-Patent Citations (2)
Title |
---|
基于用户行为分析的手势跟踪方法;冯志全等;《软件学报》;20130930;第24卷(第9期);全文 * |
手势识别研究综述;冯志全等;《济南大学学报》;20131031;第27卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104809430A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610453B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
JP2019008351A (ja) | 情報処理装置、情報処理方法及び記録媒体 | |
CN105260720B (zh) | 指纹识别的方法及装置 | |
EP3384429A1 (en) | Method for identification of candidate points as possible characteristic points of a calibration pattern within an image of the calibration pattern | |
GB2584033A (en) | Object tracking in zoomed video | |
CN104517100B (zh) | 手势预判方法和系统 | |
CN110288715B (zh) | 虚拟项链试戴方法、装置、电子设备及存储介质 | |
CN102096471A (zh) | 一种基于机器视觉的人机交互方法 | |
CN106775600A (zh) | HTML5 canvas画布的处理方法及装置 | |
CN104809430B (zh) | 一种手掌区域识别方法及装置 | |
CN107450717A (zh) | 一种信息处理方法及穿戴式设备 | |
CN109238292A (zh) | 一种无人机作业的地块划分方法及其装置 | |
Chen et al. | Projection-based augmented reality system for assembly guidance and monitoring | |
CN112508836A (zh) | 一种基于标注框拼接的深度学习图像增强方法 | |
CN110807379A (zh) | 一种语义识别方法、装置、以及计算机存储介质 | |
CN111814573A (zh) | 一种人脸信息的检测方法、装置、终端设备及存储介质 | |
Al-Rahayfeh et al. | Enhanced frame rate for real-time eye tracking using circular hough transform | |
CN101464953A (zh) | 轮廓提取装置和轮廓提取方法 | |
CN104050454B (zh) | 一种运动手势轨迹获取方法及系统 | |
CN111178170A (zh) | 一种手势识别方法和一种电子设备 | |
CN110136140A (zh) | 眼底图像血管影像分割方法及设备 | |
CN108268125A (zh) | 一种基于计算机视觉的运动手势检测及跟踪方法 | |
Chaudhary et al. | A vision-based method to find fingertips in a closed hand | |
CN107833227A (zh) | 一种圆形裁剪区域的绘制方法及其系统 | |
US10140509B2 (en) | Information processing for detection and distance calculation of a specific object in captured images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |