CN106503650A - 一种手势图像的识别方法及系统 - Google Patents
一种手势图像的识别方法及系统 Download PDFInfo
- Publication number
- CN106503650A CN106503650A CN201610919465.6A CN201610919465A CN106503650A CN 106503650 A CN106503650 A CN 106503650A CN 201610919465 A CN201610919465 A CN 201610919465A CN 106503650 A CN106503650 A CN 106503650A
- Authority
- CN
- China
- Prior art keywords
- binaryzation
- gestures
- images
- gesture
- image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Abstract
本发明实施例涉及图像识别技术,尤其涉及一种手势图像的识别方法及系统,其中,一种手势图像的识别方法具体为,首先获取基础手势图像,对基础手势图像做二值化处理以形成二值化基础手势图像;继续对二值化基础手势图像做分析处理以获取二值化基础手势图像中的基准线,通过基准线调整基础手势图像以使基础手势图像处于标准状态,通过分割阈值将手势图像中的非特征画面信息去除,仅提取特征画面信息,通过对特征画面信息的识别形成判断结果,采用此种方法,一方面降低了图像识别的基础数据量,提高了手势图像的识别效率,另一方面可使得基础手势图像处于标准状态,提高识别的准确度。
Description
技术领域
本发明实施例涉及图像识别技术,尤其涉及一种手势图像的识别方法及系统。
背景技术
随着计算机技术的发展,人机交互已成为了人们生活中不可或缺的部分,但大部分交互都是基于鼠标、键盘、手持设备及窗口界面的二维交互技术,如何让交互变得更加自然近年来成为研究热题。手势作为人类交互的主要手段之一,历史甚至早于有声语言,所以使用手势作为人机交互会更为友好、方便、简洁、直观,很自然成为传统人机交互的一种扩充。目前,许多手势识别系统中需要借助传感器设备,如红外、超声波、多摄像头等设备,同时识别速度慢,识别率低。基于摄像头的手势识别与动作识别交互技术,主要3D摄像头,以人体或手掌作为识别对象,进行动作行为捕捉,但是由于人体或手掌的姿势转变灵活度较高,进而因手掌姿态的转变导致手势图像的识别精度降低。
发明内容
针对现有技术的不足,本发明提供一种手势图像的识别方法及系统,旨在提高手势图像的识别速度及识别准确度。
一方面,本发明提供一种手势图像的识别方法,其中,包括:
获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像,继续对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线;
根据所述基准线计算所述二值化基础手势图像的倾斜角度;
根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像;
根据一分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;
按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
优选地,上述的手势图像的识别方法,其中,对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线包括:
复制所述二值化基础手势图像以形成二值化计算手势图像;
对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
根据所述二值化计算手势图像直方图计算形成一计算分割阈值;
根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线。
优选地,上述的手势图像的识别方法,其中,检测获取所述二值化检测手势图像中最长直线,包括:
轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
在所述轮廓二值化检测手势图像中获取所述最长直线。
优选地,上述的手势图像的识别方法,其中,按照预定计算方法识别所述手势判断图像并形成所述判断结果输出,包括:
获取所述二值化手势判断图像的轮廓周长和所述手势判断图像的手掌宽度;
根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
优选地,上述的手势图像的识别方法,其中,所述判断结果包括第一判断结果、第二判断结果、第三判断结果;所述计算方法包括周长宽度比算法,根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果中,具体包括:
预设有第一区间;
根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
优选地,上述的手势图像的识别方法,其中,还包括第二区间和第三区间;
在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间;
在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;
在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
优选地,上述的手势图像的识别方法,其中,还包括:还包括第四区间;所述计算方法还包括像素长度比算法;
在所述周长宽度比不匹配所述第一区间的状态下;获取所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度;
根据所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度结合所述像素长度比算法形成像素长度比;
判断所述像素长度比是否匹配所述第四区间;
在所述像素长度比匹配所述第四区间的状态下输出第二判断结果;
在所述像素长度比不匹配所述第四区间的状态下输出第三判断结果;
其中,所述像素长度比算法为:
K’=Sp/h
K’,为所述像素长度比;Sp,为所述像素总和;h,为所述轮廓长度。
优选地,上述的手势图像的识别方法,其中,根据所述分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;具体包括;
根据所述二值化手势调整图像形成二值化手势调整图像直方图,
根据所述二值化手势调整图像直方图形成所述分割阈值。
优选地,上述的手势图像的识别方法,其中,根据所述倾斜角度调整所述二值化基础手势图像以形成所述二值化手势调整图像,具体包括:
根据所述倾斜角度计算获取一旋转角度;
根据所述旋转角度调整所述二值化基础手势图像以获得所述二值化手势调整图像。
另一方面,本发明再提供一种手势图像的识别系统,其中,包括:
采集单元,获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;
处理单元,对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线;
计算单元,根据所述基准线计算所述二值化基础手势图像的倾斜角度;
调整单元,根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像;
分割单元,根据一分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;
识别单元,按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
优选地,上述的手势图像的识别系统,其中,所述处理单元,包括:
复制单元,复制所述二值化基础手势图像以形成二值化计算手势图像;
计算手势图像直方图单元,对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
计算分割值单元,根据所述二值化计算手势图像直方图计算形成一计算分割阈值;
计算手势图像分割单元,根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
计算手势图像检测单元,检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线。
优选地,上述的手势图像的识别系统,其中,所述计算手势图像检测单元,包括:
计算手势图像轮廓提取器,轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
计算手势图像检测器,在所述轮廓二值化检测手势图像中获取所述最长直线。
优选地,上述的手势图像的识别系统,其中,所述识别单元,包括:
周长宽度数据获取器,用以获取所述二值化手势判断图像的轮廓周长和所述手势判断图像的手掌宽度;
识别器,根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
优选地,上述的手势图像的识别系统,其中,所述判断结果包括第一判断结果、第二判断结果、第三判断结果;所述计算方法包括周长宽度比算法,所述识别器预设有第一区间,具体包括:
周长宽度比计算装置,根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
周长宽度比判断装置,判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
优选地,上述的手势图像的识别系统,其中,还包括第二区间和第三区间;
所述周长宽度比判断装置,在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间,在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
优选地,上述的手势图像的识别系统,其中,还包括:还包括第四区间;所述计算方法包括像素长度比算法;
像素长度数据获取单元,在所述周长宽度比不匹配所述第一区间的状态下;获取所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度;
所述识别器包括,
像素长度计算装置,根据所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度结合所述像素长度比算法形成像素长度比;
像素长度判断装置,判断所述像素长度比是否匹配所述第四区间;在所述像素长度比匹配所述第四区间的状态下输出第二判断结果;在所述像素长度比不匹配所述第四区间的状态下输出第三判断结果;
其中,所述像素长度比算法为:
K’=Sp/h
K’,为所述像素长度比;Sp,为所述像素总和;h,为所述轮廓长度。
优选地,上述的手势图像的识别系统,其中,所述分割单元;包括,
手势调整图像直方图装置,根据所述二值化手势调整图像形成二值化手势调整图像直方图,
手势调整图像分割器,根据所述二值化手势调整图像直方图形成所述分割阈值。
优选地,上述的手势图像的识别系统,其中,所述调整单元,包括:
旋转角度计算器,根据所述倾斜角度计算获取一旋转角度;
旋转器,根据所述旋转角度调整所述二值化基础手势图像以获得所述二值化手势调整图像。
与现有技术相比,本发明的优点是:
首先获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;继续对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线,通过基准线调整基础手势图像以使所述基础手势图像处于标准状态,通过所述分割阈值将手势图像中的非特征画面信息去除,仅提取特征画面信息,通过对特征画面信息的识别形成判断结果,采用此种方法,一方面降低了图像识别的基础数据量,提高了手势图像的识别效率,另一方面可使得所述基础手势图像处于标准状态,提高识别的准确度。
附图说明
图1为本发明提供的一种手势图像的识别方法的流程示意图;
图2为本发明提供的一种手势图像的识别方法的流程示意图;
图3为本发明提供的一种手势图像的识别方法的流程示意图;
图4为本发明提供的一种手势图像的识别方法的流程示意图;
图5为本发明提供的一种手势图像的识别系统的结构示意图。
图6为本发明提供的一种手势图像的识别系统的步骤示意图;
图7为本发明提供的一种手势图像的识别系统的步骤示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
如图1所示,本实施例提供一种手势图像的识别方法的流程示意图,其中,包括:
如图6a所示,步骤S110、获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;并对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线L;基础手势图像为任意采集的图像,其中基础手势图像为呈任意角度的手势图像,另外所述基础手势图像中通常包括特征画面信息和非特征画面信息。
步骤S120、根据所述基准线L计算所述二值化基础手势图像的倾斜角度α;
如图6b所示,步骤S130、根据所述倾斜角度α调整所述二值化基础手势图像以形成一二值化手势调整图像;具体包括:
步骤S1301、根据所述倾斜角度α计算获取一旋转角度;
步骤S1302、以所述旋转角度旋转所述二值化基础手势图像以获得所述二值化手势调整图像。
如图6c所示,步骤S140、根据一分割阈值分割所述二值化手势调整图像和轮廓提取以形成二值化手势判断图像;进一步地包括,步骤S1401、根据所述二值化手势调整图像形成二值化手势调整图像直方图,
步骤S1402、根据所述二值化手势调整图像直方图形成所述分割阈值。
如图6d所示,步骤S150、按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
本发明的工作原理是:
获取基础手势图像,通常基础手势图像中至少包括特征画面信息和非特征画面信息,基础手势图像中因包含了非特征画面信息导致图像识别效率降低。为了提高图像的识别效率,首先对所述基础手势图像做二值化处理以形成二值化基础手势图像;继续对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线L;根据所述基准线L计算所述二值化基础手势图像的倾斜角度α;根据所述倾斜角度α调整所述二值化基础手势图像以形成一二值化手势调整图像;二值化手势调整图像通常为处于标准状态下的图像,根据一分割阈值分割所述二值化手势调整图像和轮廓提取以形成二值化手势判断图像;按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
本发明中,首先获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;并对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线L,通过基准线L调整基础手势图像以使所述基础手势图像处于标准状态,通过所述分割阈值将手势图像中的非特征画面信息去除,仅提取特征画面信息,通过对特征画面信息的识别形成判断结果,采用此种方法,一方面降低了图像识别的基础数据量,提高了手势图像的识别效率,另一方面使得所述基础手势图像处于标准状态,提高识别的准确度。
作为进一步优选实施方案,上述的手势图像的识别方法,其中,于执行步骤S110、获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;并对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线L包括:步骤S1101、如图7a所示,复制所述二值化基础手势图像以形成二值化计算手势图像;如图7b所示,对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
步骤S1102、根据所述二值化计算手势图像直方图计算形成一计算分割阈值;所述计算分割阈值为所述二值化计算手势图像直方图中波峰点所对应的值。
步骤S1103、如图7c所示,根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
步骤S1104、检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线L。
作为进一步优选实施方案,上述的手势图像的识别方法,其中,于所述步骤S1104、检测获取所述二值化检测手势图像中最长直线,包括:
步骤S11041、如图7d所示,轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
步骤S11042、如图7e所示,在所述轮廓二值化检测手势图像中获取所述最长直线L。
作为进一步优选实施方案,手势图像的识别方法,其中,于所述步骤S150、按照预定计算方法识别所述二值化手势判断图像并形成所述判断结果输出,包括:
步骤S1501、获取所述二值化手势判断图像的轮廓周长和所述二值化手势判断图像的手掌宽度;其中,手掌宽度匹配二值化计算手势图像直方图的峰值,或者说是分割阈值。
步骤S1502、根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
如图2所示,一种手势图像的识别方法的流程示意图,其中,所述判断结果包括第一判断结果;所述计算方法包括周长宽度比算法,步骤S1502、根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果中,具体包括:
步骤S150211、预设有第一阈值K1;所述第一阈值K1的有效值为2.3~2.8,根据第一阈值K1形成第一区间,所述第一区间为(O、M1),M1∈(2.3、2.8);
步骤S150212、根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
步骤S150213、判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
作为进一步优选实施方案,上述的手势图像的识别方法,其中,还包括第二阈值K2,其中,所述第二阈值K2的有效值为3.2~3.6,根据第二阈值K2形成第二区间、第三区间,所述第二区间为[M1、M2),M2∈(3.2、3.6),所述第三区间为[M2、∞),所述判断结果还包括第二判断结果和第三判断结果;
步骤S150214、在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间,
步骤S150215、在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;
步骤S150216、在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
列举一种具体实施方式:
预设置第一判断结果用以匹配握拳手势,第二判断结果用以匹配剪刀手势,第三判断结果用以匹配手掌手势。
首先获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;并对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线L;根据所述基准线L计算所述二值化基础手势图像的倾斜角度α;根据所述倾斜角度α调整所述二值化基础手势图像以形成二值化手势调整图像,根据分割阈值分割所述二值化手势调整图像和轮廓提取以形成二值化手势判断图像,其中,于获得二值化手势判断图像后,继续获取所述二值化手势判断图像的轮廓周长、二值化手势判断图像的轮廓宽度,根据所述轮廓周长、所述轮廓宽度结合所述周长宽度比算法K=L/W计算形成周长宽度比;判断所述周长宽度比是否匹配第一区间;于所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果,即当前的二值化手势判断图像为握拳手势。于所述周长宽度比不匹配所述第一区间的状态下,继续判断所述周长宽度比是否匹配第二区间、或第三区间,于所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;即当前的二值化手势判断图像识别为剪刀手势。于所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果;即当前的二值化手势判断图像识别为手掌手势。
实施例二:
如图3所示,一种手势图像的识别方法的流程示意图,其中,所述判断结果包括第一判断结果、第二判断结果、第三判断结果;于步骤S1502、根据所述轮廓周长、所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果,具体包括:
步骤S150221、预设有第一区间;第二区间、第三区间;其中,第一区间为(0、M1),M1∈(2.3、2.8)第二区间为[M1,M2),第三区间为[M2,∞),M2∈(3.2、3.6)。
步骤S150222、根据所述轮廓周长、所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
步骤S150223、判断所述周长宽度比是否匹配第一区间、或第二区间、或第三区间;
步骤S140224、于所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果;
步骤S140225、于所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;
步骤S140226、于所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
再次列举一种具体实施方式:
预设置第一判断结果用以匹配握拳手势,第二判断结果用以匹配剪刀手势,第三判断结果用以匹配手掌手势。
首先获取所述二值化手势判断图像的轮廓周长、二值化手势判断图像的手掌宽度,根据所述轮廓周长、所述手掌宽度结合所述周长宽度比算法K=L/W计算形成第一计算结果;判断所述第一计算结果是否匹配第一区间、或第二区间、或第三区间;于所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果,即当前的二值化手势判断图像识别为握拳手势。于所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;即当前的二值化手势判断图像识别为剪刀手势。于所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果;即当前的二值化手势判断图像识别为手掌手势。
需要说明的是,上述的范围仅仅为举例说明,并未对本发明的进一步限定,在实际使用过程中,可以根据具体情况增加、或增加区间来增加范围的数量以匹配不同的手势。例如设置四个范围,用以判断识别四种手势图像等等。此处不一一举例说明。
实施例三
上述的实施例一、实施例二中均是根据所述轮廓周长、所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;此种方式存在一缺陷,即当手势A与手势B之间轮廓周长、所述手掌宽度差距较小时,上述方法的匹配准确度相对较低,例如伸出食指、中指、无名指的手势图像的轮廓周长、手掌宽度的比值与伸出食指、无名指、小指的手势图像的轮廓周长、轮廓宽度的比值相近或相似,采用上述的技术方案就容易造成误识别。
为了提高手势图像的准确度,如图4所示,本发明再提供一种手势图像的识别方法的流程示意图,具体包括:
步骤S310、获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;并对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线。
步骤S320、根据所述基准线计算所述二值化基础手势图像的倾斜角度。
步骤S330、根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像。
步骤S340、根据一分割阈值分割所述二值化手势调整图像和轮廓提取以形成二值化手势判断图像。
步骤S350、按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。其中所述计算方法包括周长宽度比算法。
具体包括:步骤S3501、预设有第一阈值K1,进一步地,所述第一阈值K1有效值为根据第一阈值形成第一区间,所述第一区间为(O、M1),M1∈(2.3、2.8);
步骤S3502、根据所述轮廓周长、所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
步骤S3503、判断所述周长宽度比结果是否匹配所述第一区间;于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果。
步骤S3504、于所述第一计算结果不匹配所述第一区间的状态下;获取所述二值化手势判断图像的像素总和、二值化手势判断图像的轮廓长度;
步骤S3505、根据二值化手势判断图像的像素总和、二值化手势判断图像的轮廓长度、结合所述像素长度比算法形成像素长度比计算结果;其中,所述像素长度比算法为:
K′:为所述像素长度比;Sp:为所述像素总和;h为所述轮廓长度。
步骤S3506、设置第三阈值K3,所述第三阈值K3的有效范围值38~45;根据所述第三阈值K3形成第四区间,判断所述像素长度比是否匹配第四区间为(0,M3),其中M3∈(38、45)。
步骤S3507、于所述像素长度比匹配所述第四区间的状态下输出第二判断结果;
步骤S3508、于所述像素长度比不匹配所述第四区间的状态下输出第三判断结果。
本实施例,在上述实施例一、实施二的基础之上,结合二值化手势判断图像的像素总和、二值化手势判断图像的轮廓长度数据对图像做进一步的判断,旨在提高图像识别的准确度。
列举一种具体实施方式:
预设置第一判断结果用以匹配握拳手势,第二判断结果用以匹配剪刀手势,第三判断结果用以匹配手掌手势。
首先获取所述二值化手势判断图像的轮廓周长、二值化手势判断图像的手掌宽度,根据所述轮廓周长、所述手掌宽度结合所述周长宽度比算法K=L/W计算形成周长宽度比;判断所述周长宽度比是否匹配第一范围,于所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果,即当前的二值化手势判断图像识别为握拳手势。于所述周长宽度比不匹配所述第一区间的状态下,获取所述二值化手势判断图像的像素总和、二值化手势判断图像的轮廓长度;根据二值化手势判断图像的像素总和、二值化手势判断图像的轮廓长度,结合所述像素长度比算法形成像素长度比;继续判断所述像素长度比是否匹配第四区间;于所述像素长度比匹配所述第四区间的状态下输出第二判断结果;即当前的二值化手势判断图像识别为剪刀手势。于所述像素长度比不匹配所述第四区间的状态下输出所述第三判断结果;即当前的二值化手势判断图像识别为手掌手势。
需要说明的是,上述的区间仅仅为举例说明,并未对本发明的进一步限定,在实际使用过程中,可以根据具体情况增加、或增加阈值来增加范围的数量以匹配不同的手势。例如设置四个区间,用以判断识别四种手势图像等等。此处不一一举例说明。
实施例四
如图5所示,本发明再提供一种手势图像的识别系统,其中,包括:
采集单元1,获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;
处理单元2,对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线;
计算单元3,根据所述基准线计算所述二值化基础手势图像的倾斜角度;
调整单元4,根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像;
分割单元5,根据一分割阈值分割所述二值化手势调整图像和轮廓提取以形成二值化手势判断图像;
识别单元6,按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
优选地,上述的手势图像的识别系统,其中,所述处理单元2,包括:
复制单元21,复制所述二值化基础手势图像以形成二值化计算手势图像;
计算手势图像直方图单元22,对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
计算分割值单元23,根据所述二值化计算手势图像直方图计算形成一计算分割阈值;
计算手势图像分割单元24,根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
计算手势图像检测单元25,检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线。
优选地,上述的手势图像的识别系统,其中,所述计算手势图像检测单元25,包括:
计算手势图像轮廓提取器,轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
计算手势图像检测器,在所述轮廓二值化检测手势图像中获取所述最长直线。
优选地,上述的手势图像的识别系统,其中,所述识别单元6,包括:
周长宽度数据获取器61,用以获取所述二值化手势判断图像的轮廓周长和所述手势判断图像的手掌宽度;
识别器63,根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
优选地,上述的手势图像的识别系统,其中,所述判断结果包括第一判断结果;所述计算方法包括周长宽度比算法,所述识别器63预设有第一区间,具体包括:
周长宽度比计算装置,根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
周长宽度比判断装置,判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
作为进一步优选实施方案,上述的手势图像的识别系统,其中,还包括第二区间和第三区间,所述判断结果包括第二判断结果和第三判断结果;
所述周长宽度比判断装置,在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间,在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
作为进一步优选实施方案,,上述的手势图像的识别系统,其中,还包括:还包括第四区间;所述计算方法包括像素长度比算法,所述判断结果包括第二判断结果和第三判断结果;
像素长度数据获取单元62,在所述周长宽度比不匹配所述第一区间的状态下;获取所述手势判断图像的像素总和和所述手势判断图像的轮廓长度;
所述识别器63包括:
像素长度计算装置,根据所述手势判断图像的像素总和和所述手势判断图像的轮廓长度结合所述像素长度比算法形成像素长度比;
像素长度判断装置,判断所述像素长度比是否匹配所述第四区间;在所述像素长度比匹配所述第四区间的状态下输出第二判断结果;在所述像素长度比不匹配所述第四区间的状态下输出第三判断结果;
其中,所述像素长度比算法为:
K’=Sp/h
K’,为所述像素长度比;Sp,为所述像素总和;h,为所述轮廓长度。
作为进一步优选实施方案,,上述的手势图像的识别系统,其中,所述分割单元5;包括,
手势调整图像直方图装置,根据所述二值化手势调整图像形成二值化手势调整图像直方图,
手势调整图像分割器,根据所述二值化手势调整图像直方图形成所述分割阈值。
优选地,上述的手势图像的识别系统,其中,调整单元4,包括:
旋转角度计算器41,根据所述倾斜角度计算获取一旋转角度,其中所述倾斜角度结合所述旋转角度等于360°;
旋转器42,以所述旋转角度调整所述二值化基础手势图像以获得所述二值化手势调整图像。
上述手势图像的识别系统可实现上述手势图像的识别方法,其工作原理相似,此处不做赘述。
虽然本发明的各个方面在独立权利要求中给出,但是本发明的其它方面包括来自所描述实施方式的特征和/或具有独立权利要求的特征的从属权利要求的组合,而并非仅是权利要求中所明确给出的组合。
这里所要注意的是,虽然以上描述了本发明的示例实施方式,但是这些描述并不应当以限制的含义进行理解。相反,可以进行若干种变化和修改而并不背离如所附权利要求中所限定的本发明的范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (18)
1.一种手势图像的识别方法,其特征在于,包括:
获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像,继续对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线;
根据所述基准线计算所述二值化基础手势图像的倾斜角度;
根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像;
根据一分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;
按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
2.根据权利要求1所述的手势图像的识别方法,其特征在于,对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线包括:
复制所述二值化基础手势图像以形成二值化计算手势图像;
对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
根据所述二值化计算手势图像直方图计算形成一计算分割阈值;
根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线。
3.根据权利要求2所述的手势图像的识别方法,其特征在于,检测获取所述二值化检测手势图像中最长直线,包括:
轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
在所述轮廓二值化检测手势图像中获取所述最长直线。
4.根据权利要求1所述的手势图像的识别方法,其特征在于,按照预定计算方法识别所述手势判断图像并形成所述判断结果输出,包括:
获取所述二值化手势判断图像的轮廓周长和所述手势判断图像的手掌宽度;
根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
5.根据权利要求4所述的手势图像的识别方法,其特征在于,所述判断结果包括第一判断结果、第二判断结果、第三判断结果;所述计算方法包括周长宽度比算法,根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果中,具体包括:
预设有第一区间;
根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
6.根据权利要求5所述的手势图像的识别方法,其特征在于,还包括第二区间和第三区间;
在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间;
在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;
在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
7.根据权利要求5所述的手势图像的识别方法,其特征在于,还包括:还包括第四区间;所述计算方法还包括像素长度比算法;
在所述周长宽度比不匹配所述第一区间的状态下;获取所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度;
根据所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度结合所述像素长度比算法形成像素长度比;
判断所述像素长度比是否匹配所述第四区间;
在所述像素长度比匹配所述第四区间的状态下输出第二判断结果;
在所述像素长度比不匹配所述第四区间的状态下输出第三判断结果;
其中,所述像素长度比算法为:
K’=Sp/h
K’,为所述像素长度比;Sp,为所述像素总和;h,为所述轮廓长度。
8.根据权利要求1所述的手势图像的识别方法,其特征在于,根据所述分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;具体包括;
根据所述二值化手势调整图像形成二值化手势调整图像直方图,
根据所述二值化手势调整图像直方图形成所述分割阈值。
9.根据权利要求1所述的手势图像的识别方法,其特征在于,根据所述倾斜角度调整所述二值化基础手势图像以形成所述二值化手势调整图像,具体包括:
根据所述倾斜角度计算获取一旋转角度;
根据所述旋转角度调整所述二值化基础手势图像以获得所述二值化手势调整图像。
10.一种手势图像的识别系统,其特征在于,包括:
采集单元,获取基础手势图像,对所述基础手势图像做二值化处理以形成二值化基础手势图像;
处理单元,对所述二值化基础手势图像做分析处理以获取所述二值化基础手势图像中的基准线;
计算单元,根据所述基准线计算所述二值化基础手势图像的倾斜角度;
调整单元,根据所述倾斜角度调整所述二值化基础手势图像以形成一二值化手势调整图像;
分割单元,根据一分割阈值分割所述二值化手势调整图像、并轮廓提取以形成二值化手势判断图像;
识别单元,按照预定计算方法识别所述二值化手势判断图像并形成一判断结果输出。
11.根据权利要求10所述的手势图像的识别系统,其特征在于,所述处理单元,包括:
复制单元,复制所述二值化基础手势图像以形成二值化计算手势图像;
计算手势图像直方图单元,对所述二值化计算手势图像做分析处理以获得与所述二值化计算手势图像相匹配的二值化计算手势图像直方图;
计算分割值单元,根据所述二值化计算手势图像直方图计算形成一计算分割阈值;
计算手势图像分割单元,根据所述计算分割阈值分割所述二值化计算手势图像形成二值化检测手势图像;
计算手势图像检测单元,检测获取所述二值化检测手势图像中最长直线,根据所述最长直线形成所述基准线。
12.根据权利要求11所述的手势图像的识别系统,其特征在于,所述计算手势图像检测单元,包括:
计算手势图像轮廓提取器,轮廓提取所述二值化检测手势图像形成轮廓二值化检测手势图像;
计算手势图像检测器,在所述轮廓二值化检测手势图像中获取所述最长直线。
13.根据权利要求10所述的手势图像的识别系统,其特征在于,所述识别单元,包括:
周长宽度数据获取器,用以获取所述二值化手势判断图像的轮廓周长和所述手势判断图像的手掌宽度;
识别器,根据所述轮廓周长和所述手掌宽度结合所述计算方法识别所述二值化手势判断图像并形成所述判断结果。
14.根据权利要求13所述的手势图像的识别方法,其特征在于,所述判断结果包括第一判断结果、第二判断结果、第三判断结果;所述计算方法包括周长宽度比算法,所述识别器预设有第一区间,具体包括:
周长宽度比计算装置,根据所述轮廓周长和所述手掌宽度结合所述周长宽度比算法计算形成周长宽度比;
其中,所述周长宽度比算法为
K=L/W;
K为所述周长宽度比;L为所述轮廓周长;W为所述手掌宽度;
周长宽度比判断装置,判断所述周长宽度比是否匹配所述第一区间;在所述周长宽度比匹配所述第一区间的状态下输出所述第一判断结果。
15.根据权利要求14所述的手势图像的识别系统,其特征在于,还包括第二区间和第三区间;
所述周长宽度比判断装置,在所述周长宽度比不匹配第一区间状态下;继续判断所述周长宽度比是否匹配所述第二区间或所述第三区间,在所述周长宽度比匹配所述第二区间的状态下输出所述第二判断结果;在所述周长宽度比匹配所述第三区间的状态下输出所述第三判断结果。
16.根据权利要求13所述的手势图像的识别系统,其特征在于,还包括:还包括第四区间;所述计算方法包括像素长度比算法;
像素长度数据获取单元,在所述周长宽度比不匹配所述第一区间的状态下;获取所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度;
所述识别器包括,
像素长度计算装置,根据所述二值化手势判断图像的像素总和及所述二值化手势判断图像的轮廓长度结合所述像素长度比算法形成像素长度比;
像素长度判断装置,判断所述像素长度比是否匹配所述第四区间;在所述像素长度比匹配所述第四区间的状态下输出第二判断结果;在所述像素长度比不匹配所述第四区间的状态下输出第三判断结果;
其中,所述像素长度比算法为:
K’=Sp/h
K’,为所述像素长度比;Sp,为所述像素总和;h,为所述轮廓长度。
17.根据权利要求10所述的手势图像的识别系统,其特征在于,所述分割单元;包括,
手势调整图像直方图装置,根据所述二值化手势调整图像形成二值化手势调整图像直方图,
手势调整图像分割器,根据所述二值化手势调整图像直方图形成所述分割阈值。
18.根据权利要求10所述的手势图像的识别系统,其特征在于,所述调整单元包括:
旋转角度计算器,根据所述倾斜角度计算获取一旋转角度;
旋转器,根据所述旋转角度调整所述二值化基础手势图像以获得所述二值化手势调整图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919465.6A CN106503650B (zh) | 2016-10-21 | 2016-10-21 | 一种手势图像的识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919465.6A CN106503650B (zh) | 2016-10-21 | 2016-10-21 | 一种手势图像的识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106503650A true CN106503650A (zh) | 2017-03-15 |
CN106503650B CN106503650B (zh) | 2019-09-24 |
Family
ID=58318331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610919465.6A Expired - Fee Related CN106503650B (zh) | 2016-10-21 | 2016-10-21 | 一种手势图像的识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503650B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155562A (zh) * | 2022-02-09 | 2022-03-08 | 北京金山数字娱乐科技有限公司 | 手势识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1755707A (zh) * | 2004-09-30 | 2006-04-05 | 德鑫科技股份有限公司 | 一种倾斜图像自动校正方法 |
CN101853071A (zh) * | 2010-05-13 | 2010-10-06 | 重庆大学 | 基于视觉的手势识别方法及系统 |
CN102508547A (zh) * | 2011-11-04 | 2012-06-20 | 哈尔滨工业大学深圳研究生院 | 基于计算机视觉的手势输入法构建方法及系统 |
CN103208002A (zh) * | 2013-04-10 | 2013-07-17 | 桂林电子科技大学 | 基于手轮廓特征的手势识别控制方法和系统 |
CN103679145A (zh) * | 2013-12-06 | 2014-03-26 | 河海大学 | 一种手势自动识别方法 |
US20140105453A1 (en) * | 2012-10-08 | 2014-04-17 | Pixart Imaging Inc. | Gesture identification with natural images |
-
2016
- 2016-10-21 CN CN201610919465.6A patent/CN106503650B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1755707A (zh) * | 2004-09-30 | 2006-04-05 | 德鑫科技股份有限公司 | 一种倾斜图像自动校正方法 |
CN101853071A (zh) * | 2010-05-13 | 2010-10-06 | 重庆大学 | 基于视觉的手势识别方法及系统 |
CN102508547A (zh) * | 2011-11-04 | 2012-06-20 | 哈尔滨工业大学深圳研究生院 | 基于计算机视觉的手势输入法构建方法及系统 |
US20140105453A1 (en) * | 2012-10-08 | 2014-04-17 | Pixart Imaging Inc. | Gesture identification with natural images |
CN103208002A (zh) * | 2013-04-10 | 2013-07-17 | 桂林电子科技大学 | 基于手轮廓特征的手势识别控制方法和系统 |
CN103679145A (zh) * | 2013-12-06 | 2014-03-26 | 河海大学 | 一种手势自动识别方法 |
Non-Patent Citations (2)
Title |
---|
S.S.GE ET AL.: "Hand gesture recognition and tracking based on distributed locally linear embedding", 《IMAGE AND VISION COMPUTING》 * |
王娇: "基于改进的局部线性嵌入算法的静态手势识别和动态跟踪", 《中国优秀硕士学问论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155562A (zh) * | 2022-02-09 | 2022-03-08 | 北京金山数字娱乐科技有限公司 | 手势识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106503650B (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135246B (zh) | 一种人体动作的识别方法及设备 | |
US6072502A (en) | Characterization of corners of curvilinear segment | |
TWI479431B (zh) | 物件追蹤方法 | |
Nalepa et al. | Fast and accurate hand shape classification | |
CN103294996A (zh) | 一种3d手势识别方法 | |
CN102467657A (zh) | 手势识别系统和方法 | |
CN104794439A (zh) | 基于多相机的准正面人脸图像实时优选方法及系统 | |
WO2023151237A1 (zh) | 人脸位姿估计方法、装置、电子设备及存储介质 | |
CN111652017B (zh) | 一种动态手势识别方法及系统 | |
JP2008146329A (ja) | 顔特徴点検出装置及びその方法 | |
CN110569775A (zh) | 一种识别人体姿势的方法、系统、存储介质及电子设备 | |
US20230237694A1 (en) | Method and system for detecting children's sitting posture based on face recognition of children | |
CN104866826A (zh) | 一种基于knn和像素比梯度特征的静态手语识别方法 | |
Chaaban et al. | Automatic Annotation and Segmentation of Sign Language Videos: Base-level Features and Lexical Signs Classification | |
Wolin et al. | Sort, merge, repeat: An algorithm for effectively finding corners in hand-sketched strokes | |
CN106503650A (zh) | 一种手势图像的识别方法及系统 | |
Mayya et al. | Iris and palmprint decision fusion to enhance human recognition | |
KR101482850B1 (ko) | 손 모양 인식 방법 및 그 장치 | |
Vezzetti et al. | Application of geometry to rgb images for facial landmark localisation-a preliminary approach | |
Soares et al. | Real-time 3d gesture recognition using dynamic time warping and simplification methods | |
Wang et al. | Skin Color Weighted Disparity Competition for Hand Segmentation from Stereo Camera. | |
Wlodarczyk et al. | Evaluation of head pose estimation methods for a non-cooperative biometric system | |
CN111368674B (zh) | 图像识别方法及装置 | |
CN109814712B (zh) | 一种基于虚拟交互装置的手势识别系统 | |
Paul et al. | Automatic adaptive facial feature extraction using CDF analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190924 Termination date: 20201021 |
|
CF01 | Termination of patent right due to non-payment of annual fee |