CN113139480B - 一种基于改进vibe的手势检测方法 - Google Patents

一种基于改进vibe的手势检测方法 Download PDF

Info

Publication number
CN113139480B
CN113139480B CN202110465542.6A CN202110465542A CN113139480B CN 113139480 B CN113139480 B CN 113139480B CN 202110465542 A CN202110465542 A CN 202110465542A CN 113139480 B CN113139480 B CN 113139480B
Authority
CN
China
Prior art keywords
image
video
background
camera
target
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
Application number
CN202110465542.6A
Other languages
English (en)
Other versions
CN113139480A (zh
Inventor
唐平麟
宋克强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ela Iot Network Shenzhen Co ltd
Original Assignee
Ela Iot Network Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ela Iot Network Shenzhen Co ltd filed Critical Ela Iot Network Shenzhen Co ltd
Priority to CN202110465542.6A priority Critical patent/CN113139480B/zh
Publication of CN113139480A publication Critical patent/CN113139480A/zh
Application granted granted Critical
Publication of CN113139480B publication Critical patent/CN113139480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content

Abstract

本发明公开了一种基于改进VIBE的手势检测方法，涉及图像识别技术领域，解决了现有技术中手势检测计算复杂且检测精度不高的技术问题；本发明对参考帧图像进行筛选，保证了参考帧图像能够满足拼接成背景图像的要求，避免参考帧图像异常造成的检测精度低；本发明设置了目标摄像头及对应的一组参考摄像头，且每组参考摄像头与对应目标摄像头之间的距离可调，图像采集组的方向可调，通过调节摄像头的距离和方向来获取参考帧图像，保证了参考帧图像的合格率，同时也保证了背景图像的质量；本发明通过参考摄像头获取的参考帧图像来获取背景图像，从图像本身的角度获取背景图像，能够提高背景图像的精度，降低了计算量，同时提高了计算效率。

Description

一种基于改进VIBE的手势检测方法
技术领域
本发明属于图像识别领域，涉及一种基于改进VIBE的手势检测技术，具体是一种基于改进VIBE的手势检测方法。
背景技术
随着人们生活水平的提高，人机交互技术的交互方式将从以机器为中心逐渐转变为以人为中心；现有技术中的手势检测方法根据其处理维度的不同，大致可以分为二维和三维两种；三维的手势检测方法一般使用多目摄像头或Kinect体感设备获取深度图像，再基于得到的深度图像进行手势检测，这种方法对于硬件设备的要求较高；二维的手势检测方法大多采用单目摄像头获取图像，再使用高性能的算法提取手势信息，完成手势检测，这种方法很容易受到背景环境的干扰，存在精度低、适应性差等诸多问题，且当背景环境中存在类肤色物体或背景环境剧烈变化是，手势检测将受到干扰。
公开号为CN110309739A的发明专利公开了一种基于改进VIBE的手势检测方法，通过摄像头采集视频，取得若干视频帧图像并进行预处理，使用改进的VIBE算法进行手势检测后，对得到的手势帧图像进行形态学处理，得到处理后的手势。
上述方案利用LBP纹理特征构建真实场景参考帧，利用参考帧和背景样本集的交替作用实现对背景的逐渐更新，检测手势过程中充分利用了像素点的空间信息和时间信息，消除了由动态背景产生的误检，提高了手势检测的准确率；但是，上述方案通过LBP纹理特征构建参考帧的方式完成手势检测，计算复杂且不够精确；因此，急需一种简洁高效的手势检测方法。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于改进VIBE的手势检测方法，用于解决现有技术中手势检测计算复杂且检测精度不高的技术问题。
本发明的目的可以通过以下技术方案实现：一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
优选的，步骤三中所述图像筛选用于对标准视频图像进行质量筛选，包括：
将参考摄像头中的高清摄像头分别标记为第一摄像头和第二摄像头，将第一摄像头对应的参考帧图像标记为第一参考图像，将第二摄像头对应的参考帧图像标记为第二参考图像；
以第一摄像头为圆心，建立二维直角坐标系并标记为标准坐标系；
将第一参考图像和第二参考图像映射至标准坐标系；
提取第一参考图像和第二参考图像在标准坐标系中的重叠区域；所述重叠区域的形状为矩形；
获取重叠区域的像素点总数并标记为CXZ，获取与第一参考图像获取时间相同的目标帧图像的像素点总数并标记为MXZ；
当像素点总数CXZ满足CXZ≥α1×MXZ时，则将第一参考图像和第二参考图像标记为合格图像；否则，将第一参考图像和第二参考图像标记为异常图像；其中α1为比例系数，且α1≥0.1。
优选的，步骤三中所述图像拼接用于对合格图像进行拼接，包括：
获取第一参考图像和第二参考图像在标准坐标系中重叠区域的坐标；
根据重叠区域的坐标将第一参考图像和第二参考图像进行拼接获取背景图像。
优选的，所述步骤四具体包括：
步骤4.1：通过背景图像定义背景帧B(x，y),背景帧B(x，y)表示背景图像在标准坐标系中坐标(x，y)的像素值；以B0(x，y)作为第一帧目标帧图像的背景图像初始化；当此后存在新的一帧图像时，则更新B(x，y)为Bt(x，y)＝Bt-1(x，y)+(1-Pt(x，y))(It(x，y)-Bt-1(x，y))，其中Bt(x，y)为当前目标帧图像对应的背景图像，Bt-1(x，y)为前一帧目标帧图像对应的背景图像，It(x，y)为当前目标帧图像，Pt(x，y)表示对应像素为前景的概率；
步骤4.2：获取目标帧图像对应的背景图像的像素点并标记为背景像素点，根据背景像素点建立一个背景样本集；
步骤4.3：遍历目标帧图像的像素点，通过公式D＝|g(x)-vi|获取目标帧图像的像素点与背景样本集中每个像素点的欧式距离D；其中g(x)和vi分别为目标帧图像像素点与背景样本集中每个像素点的像素值；
步骤4.4：当欧式距离D满足D＜R时，则判定目标帧图像的像素点与背景样本集匹配，统计匹配总个数；当匹配总个数大于个数阈值时，则判定目标帧图像的像素点为背景点，否则为前景点；其中R为距离阈值，15≤t≤25，个数阈值的取值范围为[1,3]；
步骤4.5：记录背景点与背景样本集中欧式距离最大的点；
步骤4.6：将背景点以Q的概率更新样本背景集中与其对应的欧式距离最大的点，同时以Q的概率更新到背景点的5×5邻域中任一像素点的背景样本集中；
步骤4.7：对前景点进行二次检测，获得最终的背景样本集，按照最终的背景样本集分割出当前目标帧图像的手势；
步骤4.8：当还存在为处理完的目标帧图像时，则返回步骤4.3，否则，进行步骤五。
优选的，所述Pt(x，y)和所述二次检测在公开号为CN110309739A的发明专利中已公开。
优选的，所述图像预处理包括图像分割、图像去噪和灰度处理。
优选的，所述标准视频图像包括目标帧图像和参考帧图像，所述目标帧图像通过目标视频获取，且目标帧图像中的手势居中，所述参考帧图像通过参考视频获取，且所述目标帧图像和参考帧图像均包括完整的手部。
优选的，所述实时视频至少包括2帧存在完整手部的视频帧图像。
优选的，所述图像采集组至少包括一个目标摄像头，且每个目标摄像头两侧对称设置至少一组参考摄像头，每组所述参考摄像头均包括两个高清摄像头，所述参考摄像头与所述目标摄像头之间的距离可调，所述图像采集组的方向可调；所述实时视频包括目标视频和参考视频，所述目标视频通过所述目标摄像头获取，所述参考视频通过所述参考摄像头获取。
与现有技术相比，本发明的有益效果是：
1、本发明对参考帧图像进行筛选，保证了参考帧图像能够满足拼接成背景图像的要求，避免参考帧图像异常造成的检测精度低。
2、本发明通过合格的第一参考图像和第二参考图像的重叠区域进行图像拼接，能够实现精准的图像拼接，有助于保证图像拼接的质量，同时提高手势检测的精度。
3、本发明通过背景图像定义背景帧，并通过欧式距离对目标帧图像进行前景和背景分离，并根据背景样本集分割出目标帧图像中的手势，能够保证目标帧图像中前景和背景的识别精度。
4、本发明通过图像采集组获取实时视频，通过硬件获取的图像直接合成背景图像，能够提高背景图像的合成效率和合成精度，避免了基于图像建立参考帧的方法精度不高的问题。
5、本发明设置了目标摄像头及对应的一组参考摄像头，且每组参考摄像头与对应目标摄像头之间的距离可调，图像采集组的方向可调，通过调节摄像头的距离和方向来获取参考帧图像，保证了参考帧图像的合格率，同时也保证了背景图像的质量。
6、本发明通过参考摄像头获取的参考帧图像来获取背景图像，并非基于推向本身纹理获取的图像，而是通过对视觉角度的运用，从图像本身的角度获取背景图像，能够提高背景图像的精度，降低了计算量，同时提高了计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法步骤示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
步骤三中所述图像筛选用于对标准视频图像进行质量筛选，包括：
将参考摄像头中的高清摄像头分别标记为第一摄像头和第二摄像头，将第一摄像头对应的参考帧图像标记为第一参考图像，将第二摄像头对应的参考帧图像标记为第二参考图像；
以第一摄像头为圆心，建立二维直角坐标系并标记为标准坐标系；
将第一参考图像和第二参考图像映射至标准坐标系；
提取第一参考图像和第二参考图像在标准坐标系中的重叠区域；所述重叠区域的形状为矩形；
获取重叠区域的像素点总数并标记为CXZ，获取与第一参考图像获取时间相同的目标帧图像的像素点总数并标记为MXZ；
当像素点总数CXZ满足CXZ≥α1×MXZ时，则将第一参考图像和第二参考图像标记为合格图像；否则，将第一参考图像和第二参考图像标记为异常图像；其中α1为比例系数，且α1≥0.1。
所述图像预处理包括图像分割、图像去噪和灰度处理。
本实施例对参考帧图像进行筛选，保证了参考帧图像能够满足拼接成背景图像的要求，避免参考帧图像异常造成的检测精度低。
实施例二：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
步骤三中所述图像拼接用于对合格图像进行拼接，包括：
获取第一参考图像和第二参考图像在标准坐标系中重叠区域的坐标；
根据重叠区域的坐标将第一参考图像和第二参考图像进行拼接获取背景图像。
本实施例通过合格的第一参考图像和第二参考图像的重叠区域进行图像拼接，能够实现精准的图像拼接，有助于保证图像拼接的质量，同时提高手势检测的精度。
实施例三：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
所述步骤四具体包括：
步骤4.1：通过背景图像定义背景帧B(x，y),背景帧B(x，y)表示背景图像在标准坐标系中坐标(x，y)的像素值；以B0(x，y)作为第一帧目标帧图像的背景图像初始化；当此后存在新的一帧图像时，则更新B(x，y)为Bt(x，y)＝Bt-1(x，y)+(1-Pt(x，y))(It(x，y)-Bt-1(x，y))，其中Bt(x，y)为当前目标帧图像对应的背景图像，Bt-1(x，y)为前一帧目标帧图像对应的背景图像，It(x，y)为当前目标帧图像，Pt(x，y)表示对应像素为前景的概率；
步骤4.2：获取目标帧图像对应的背景图像的像素点并标记为背景像素点，根据背景像素点建立一个背景样本集；
步骤4.3：遍历目标帧图像的像素点，通过公式D＝|g(x)-vi|获取目标帧图像的像素点与背景样本集中每个像素点的欧式距离D；其中g(x)和vi分别为目标帧图像像素点与背景样本集中每个像素点的像素值；
步骤4.4：当欧式距离D满足D＜R时，则判定目标帧图像的像素点与背景样本集匹配，统计匹配总个数；当匹配总个数大于个数阈值时，则判定目标帧图像的像素点为背景点，否则为前景点；其中R为距离阈值，15≤t≤25，个数阈值的取值范围为[1,3]；
步骤4.5：记录背景点与背景样本集中欧式距离最大的点；
步骤4.6：将背景点以Q的概率更新样本背景集中与其对应的欧式距离最大的点，同时以Q的概率更新到背景点的5×5邻域中任一像素点的背景样本集中；
步骤4.7：对前景点进行二次检测，获得最终的背景样本集，按照最终的背景样本集分割出当前目标帧图像的手势；
步骤4.8：当还存在为处理完的目标帧图像时，则返回步骤4.3，否则，进行步骤五。
本实施例通过背景图像定义背景帧，并通过欧式距离对目标帧图像进行前景和背景分离，并根据背景样本集分割出目标帧图像中的手势，能够保证目标帧图像中前景和背景的识别精度。
实施例四：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
所述标准视频图像包括目标帧图像和参考帧图像，所述目标帧图像通过目标视频获取，且目标帧图像中的手势居中，所述参考帧图像通过参考视频获取，且所述目标帧图像和参考帧图像均包括完整的手部。
所述实时视频至少包括2帧存在完整手部的视频帧图像。
所述图像采集组至少包括一个目标摄像头，且每个目标摄像头两侧对称设置至少一组参考摄像头，每组所述参考摄像头均包括两个高清摄像头，所述参考摄像头与所述目标摄像头之间的距离可调，所述图像采集组的方向可调；所述实时视频包括目标视频和参考视频，所述目标视频通过所述目标摄像头获取，所述参考视频通过所述参考摄像头获取。
本实施例中通过图像采集组获取实时视频，通过硬件获取的图像直接合成背景图像，能够提高背景图像的合成效率和合成精度，避免了基于图像建立参考帧的方法精度不高的问题。
实施例五：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
所述图像采集组至少包括一个目标摄像头，且每个目标摄像头两侧对称设置至少一组参考摄像头，每组所述参考摄像头均包括两个高清摄像头，所述参考摄像头与所述目标摄像头之间的距离可调，所述图像采集组的方向可调；所述实时视频包括目标视频和参考视频，所述目标视频通过所述目标摄像头获取，所述参考视频通过所述参考摄像头获取。
本实施例设置了目标摄像头及对应的一组参考摄像头，且每组参考摄像头与对应目标摄像头之间的距离可调，图像采集组的方向可调，通过调节摄像头的距离和方向来获取参考帧图像，保证了参考帧图像的合格率，同时也保证了背景图像的质量。
实施例六：
请参阅图1，本实施例提供了一种基于改进VIBE的手势检测方法，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
本实施例通过参考摄像头获取的参考帧图像来获取背景图像，并非基于推向本身纹理获取的图像，而是通过对视觉角度的运用，从图像本身的角度获取背景图像，能够提高背景图像的精度，降低了计算量，同时提高了计算效率。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
利用图像采集组采集实时视频；对实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；对标准视频图像进行图像筛选和图像拼接获取背景图像；
通过背景图像定义背景帧B(x，y),背景帧B(x，y)表示背景图像在标准坐标系中坐标(x，y)的像素值；以B0(x，y)作为第一帧目标帧图像的背景图像初始化；获取目标帧图像对应的背景图像的像素点并标记为背景像素点，根据背景像素点建立一个背景样本集；遍历目标帧图像的像素点，通过公式D＝|g(x)-vi|获取目标帧图像的像素点与背景样本集中每个像素点的欧式距离D；当欧式距离D满足D＜R时，则判定目标帧图像的像素点与背景样本集匹配，统计匹配总个数；当匹配总个数大于个数阈值时，则判定目标帧图像的像素点为背景点，否则为前景点；记录背景点与背景样本集中欧式距离最大的点；将背景点以Q的概率更新样本背景集中与其对应的欧式距离最大的点，同时以Q的概率更新到背景点的5×5邻域中任一像素点的背景样本集中；对前景点进行二次检测，获得最终的背景样本集，按照最终的背景样本集分割出当前目标帧图像的手势；对手势图像进行形态学处理并获取处理后的手势。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于改进VIBE的手势检测方法，其特征在于，所述手势检测方法具体包括以下步骤：
步骤一：利用图像采集组采集实时视频；
步骤二：对步骤一中实时视频进行分帧处理获取视频帧图像，对视频帧图像进行图像预处理获取标准视频图像；
步骤三：对步骤二中的标准视频图像进行图像筛选和图像拼接获取背景图像；所述图像筛选用于对标准视频图像进行质量筛选，包括：
将参考摄像头中的高清摄像头分别标记为第一摄像头和第二摄像头，将第一摄像头对应的参考帧图像标记为第一参考图像，将第二摄像头对应的参考帧图像标记为第二参考图像；
以第一摄像头为圆心，建立二维直角坐标系并标记为标准坐标系；
将第一参考图像和第二参考图像映射至标准坐标系；
提取第一参考图像和第二参考图像在标准坐标系中的重叠区域；所述重叠区域的形状为矩形；
获取重叠区域的像素点总数并标记为CXZ，获取与第一参考图像获取时间相同的目标帧图像的像素点总数并标记为MXZ；
当像素点总数CXZ满足CXZ≥α1×MXZ时，则将第一参考图像和第二参考图像标记为合格图像；否则，将第一参考图像和第二参考图像标记为异常图像；其中α1为比例系数，且α1≥0.1；
步骤四：通过改进的VIBE算法和步骤三中背景图像进行手势检测获取手势图像；
步骤五：对步骤四中的手势图像进行形态学处理并获取处理后的手势。
2.根据权利要求1所述的一种基于改进VIBE的手势检测方法，其特征在于，步骤三中所述图像拼接用于对合格图像进行拼接，包括：
获取第一参考图像和第二参考图像在标准坐标系中重叠区域的坐标；
根据重叠区域的坐标将第一参考图像和第二参考图像进行拼接获取背景图像。
3.根据权利要求1所述的一种基于改进VIBE的手势检测方法，其特征在于，所述图像预处理包括图像分割、图像去噪和灰度处理。
4.根据权利要求1所述的一种基于改进VIBE的手势检测方法，其特征在于，所述标准视频图像包括目标帧图像和参考帧图像，所述目标帧图像通过目标视频获取，且目标帧图像中的手势居中，所述参考帧图像通过参考视频获取，且所述目标帧图像和参考帧图像均包括完整的手部。
5.根据权利要求1所述的一种基于改进VIBE的手势检测方法，其特征在于，所述实时视频至少包括2帧存在完整手部的视频帧图像。
6.根据权利要求1所述的一种基于改进VIBE的手势检测方法，其特征在于，所述图像采集组至少包括一个目标摄像头，且每个目标摄像头两侧对称设置至少一组参考摄像头，每组所述参考摄像头均包括两个高清摄像头，所述参考摄像头与所述目标摄像头之间的距离可调，所述图像采集组的方向可调；所述实时视频包括目标视频和参考视频，所述目标视频通过所述目标摄像头获取，所述参考视频通过所述参考摄像头获取。
CN202110465542.6A 2021-04-28 2021-04-28 一种基于改进vibe的手势检测方法 Active CN113139480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110465542.6A CN113139480B (zh) 2021-04-28 2021-04-28 一种基于改进vibe的手势检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110465542.6A CN113139480B (zh) 2021-04-28 2021-04-28 一种基于改进vibe的手势检测方法

Publications (2)

Publication Number Publication Date
CN113139480A CN113139480A (zh) 2021-07-20
CN113139480B true CN113139480B (zh) 2022-03-15

Family

ID=76816324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110465542.6A Active CN113139480B (zh) 2021-04-28 2021-04-28 一种基于改进vibe的手势检测方法

Country Status (1)

Country Link
CN (1) CN113139480B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111263177A (zh) * 2020-01-22 2020-06-09 杭州皮克皮克科技有限公司 一种视频互动直播方法及系统
CN111694443A (zh) * 2020-06-19 2020-09-22 梁忠鹏 一种以触摸手势作为交互方式的输入法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105355221A (zh) * 2010-01-26 2016-02-24 踏途音乐公司 具有改进的用户界面的数字点播设备和相关方法
CN102903085B (zh) * 2012-09-25 2015-09-09 福州大学 基于角点匹配的快速图像拼接方法
CN105488777A (zh) * 2015-04-22 2016-04-13 兰雨晴 一种基于移动前景下全景图实时生成系统及其方法
CN106023074A (zh) * 2016-05-06 2016-10-12 安徽伟合电子科技有限公司 一种分区获取的视频图像拼接方法
CN106683051A (zh) * 2016-12-29 2017-05-17 北京奇艺世纪科技有限公司 一种图像拼接方法及装置
CN110689476A (zh) * 2018-07-04 2020-01-14 杭州海康威视数字技术股份有限公司 全景图像拼接方法及其装置、可读存储介质和电子设备
CN110309739A (zh) * 2019-06-18 2019-10-08 浙江工业大学 一种基于改进vibe的手势检测方法
CN111915483B (zh) * 2020-06-24 2024-03-19 北京迈格威科技有限公司 图像拼接方法、装置、计算机设备和存储介质
CN112527113A (zh) * 2020-12-09 2021-03-19 北京地平线信息技术有限公司 手势识别及手势识别网络的训练方法和装置、介质和设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111263177A (zh) * 2020-01-22 2020-06-09 杭州皮克皮克科技有限公司 一种视频互动直播方法及系统
CN111694443A (zh) * 2020-06-19 2020-09-22 梁忠鹏 一种以触摸手势作为交互方式的输入法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MOTION-BASED BACKGROUND SUBTRACTION AND PANORAMIC MOSAICING FOR FREIGHT TRAIN ANALYSIS;Avinash Kumar等;《2013 IEEE International Conference on Image Processing》;20140213;4564-4568 *
交通路口监控视频跨视域多目标跟踪的可视化;刘彩虹等;《计算机学报》;20180131;第41卷(第1期);221-235 *
视频流中图像静态背景提取方法的设计与实现;敖丹旸;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20130815(第08期);I138-551 *

Also Published As

Publication number Publication date
CN113139480A (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN110070570B (zh) 一种基于深度信息的障碍物检测系统及方法
CN109903331B (zh) 一种基于rgb-d相机的卷积神经网络目标检测方法
EP2956891B1 (en) Segmenting objects in multimedia data
WO2021159767A1 (zh) 一种医学图像处理的方法、图像处理的方法及装置
CN110381268B (zh) 生成视频的方法，装置，存储介质及电子设备
CN109086724B (zh) 一种加速的人脸检测方法及存储介质
CN109685045B (zh) 一种运动目标视频跟踪方法及系统
CN104966285B (zh) 一种显著性区域的检测方法
CN111160291B (zh) 基于深度信息与cnn的人眼检测方法
WO2020134818A1 (zh) 图像处理方法及相关产品
CN104268519B (zh) 基于模式匹配的图像识别终端及其识别方法
CN109711268B (zh) 一种人脸图像筛选方法及设备
CN110751097B (zh) 一种半监督的三维点云手势关键点检测方法
CN110599522B (zh) 一种视频序列中动态目标检测剔除方法
CN108470178B (zh) 一种结合深度可信度评价因子的深度图显著性检测方法
JP2010057105A (ja) オブジェクトの３次元追跡方法およびシステム
CN108345835B (zh) 一种基于仿复眼感知的目标识别方法
CN112613123A (zh) 一种飞机管路ar三维注册方法及装置
CN106529441A (zh) 基于模糊边界分片的深度动作图人体行为识别方法
CN111028263B (zh) 一种基于光流颜色聚类的运动物体分割方法及其系统
CN110717910B (zh) 基于卷积神经网络的ct图像目标检测方法及ct扫描仪
CN113034544A (zh) 一种基于深度相机的人流分析方法及装置
CN113139480B (zh) 一种基于改进vibe的手势检测方法
CN116342519A (zh) 一种基于机器学习的图像处理方法
JP2016009448A (ja) 判定装置、判定方法及び判定プログラム

Legal Events

Date Code Title Description
PB01 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