一種基于膚色模型和統計特征的手勢分割技術制造技術

本發明專利技術公開了一種基于膚色模型和統計特征的手勢分割技術，其特征在于，包括以下步驟：(1)建立統計模型，將樣本空間的樣本圖像從RGB顏色空間轉換到HSV顏色空間和YCbCr，計算若干個通道的統計特征；(2)根據當前圖像計算每個像素的平均值作為當前的背景模型，采用均值法區分當前幀每個像素為前景或背景；(3)獲取當前圖像的前景像素在通道中的色調值K(x,i,j)，與對應通道中的統計特征比較判斷為皮膚像素或非皮膚像素。該手勢分割技術首先通過計算量簡單、時間復雜度低的背景差分算法縮小手勢區域，然后對剩下的感興趣區域利用統計特征在HSV和YCbCr混合空間進行手勢膚色分割，計算量少，分割精確。

A Gesture Segmentation Technology Based on Skin Color Model and Statistical Features

The invention discloses a gesture segmentation technology based on skin color model and statistical characteristics, which is characterized by the following steps: (1) establishing a statistical model, transforming the sample image in sample space from RGB color space to HSV color space and YCbCr, and calculating the statistical characteristics of several channels; (2) calculating the average value of each pixel according to the current image as the current background model; Each pixel of the current frame is distinguished as foreground or background by means of the mean method; (3) The hue value K (x, i, j) of the foreground pixel of the current image in the channel is obtained, which is judged as skin pixel or non-skin pixel by comparing with the statistical features in the corresponding channel. The gesture segmentation technology firstly reduces the gesture area by the background subtraction algorithm with simple calculation and low time complexity, and then uses statistical features to segment the remaining regions of interest in the mixed space of HSV and YCbCr for gesture skin color segmentation, with less computation and accurate segmentation.

【技術實現步驟摘要】
一種基于膚色模型和統計特征的手勢分割技術
本專利技術涉及手勢識別
，具體是一種基于膚色模型和統計特征的手勢分割技術。
技術介紹
手勢識別系統依賴于計算機視覺在任意背景雜波的存在下識別手勢，這些手勢之后必須能唯一地發出控制信號給計算機或者其他設備。在過去的20年里，許多研究者已經嘗試并在識別手勢方面取得了這樣或那樣的成功。一些原始系統的缺點是它們在一般的計算能力下實時性很差和識別準確率不夠高，且大多數的這些技術依靠模板匹配或形狀描述符并且需要比實時更多的處理時間。此外，使用者被限于佩戴手套或標記來提高可靠性，并要求在相機預設的距離。這些限制條件很多，很影響人機交互的自然性，而且通常這些設備都比較昂貴，盡管基于手套或標記的手勢識別通常準確率更高，也不大適合日常使用。而基于視覺的手勢識別是利用了單個或者多個攝像頭來采集一系列的手勢圖像，再運用手勢識別算法識別手勢。同之前基于手套或標記的手勢識別相比，基于視覺的手勢識別方法使得使用者以更自然、更直接地交互，很符合人類的交互習慣，加上目前基于計算機的手勢識別技術的發展已較為成熟，不過基于計算機的視覺的便攜性太差，在很多場景中并不適用。在Android設備上研究手勢識別技術有很好的現實意義，除了智能手機，很多電器都開始使用Android系統，比如電視盒子等等。如果能夠通過手勢識別技術與這些電器交互，將會很方便、很自然地操作。手勢分割技術是手勢識別技術一個重要步驟，基于多種數學模型開發出了不同的手勢分割技術，比如動態時間規整(DTW)、時延神經網絡、有限狀態機模板算法、最優估計、粒子濾波和CAMSHIFT算法等等，這些算法計算量大復雜，僅適用在性能較好的計算機中，安卓設備中使用具有很高的延遲。
技術實現思路
本專利技術針對上述存在的問題，提供了一種基于膚色模型和統計特征的手勢分割技術，計算量少，分割精確。本專利技術一種基于膚色模型和統計特征的手勢分割技術，包括以下步驟：(1)建立統計模型，將樣本空間的樣本圖像從RGB顏色空間轉換到HSV顏色空間和YCbCr，計算若干個通道的統計特征；(2)根據當前圖像計算每個像素的平均值作為當前的背景模型，采用均值法區分當前幀每個像素為前景或背景；(3)獲取當前圖像的前景像素在通道中的色調值K(x,i,j)，與對應通道中的統計特征比較判斷為皮膚像素或非皮膚像素。作為進一步的改進，所述統計特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮膚像素的判斷標準為：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)則該前景像素為皮膚像素，否則為非皮膚像素。作為進一步的改進，前景像素的判斷標準為：將當前幀像素值I(x,y)減去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于設定閥值T，則該像素為前景，反之為背景。作為進一步的改進，所述閥值T的計算方式如下：T＝Mdiff+α×STDdiff其中，α為常數；Mdiff和STDdiff分別為每個像素幀間差的平均值和標準差；其中，其中It代表t時刻圖像中(x,y)處的像素值；inter為常數，代表兩幀之間的間隔。作為進一步的改進，α＝2。作為進一步的改進，inter＝3。作為進一步的改進，M>30+inter。作為進一步的改進，所述均值法流程如下：a、計算N幀圖像的平均值并建立一個初始背景M(x,y)，分別計算Mdiff和STDdiff；b、將當前幀減去M(x,y)得到差D(x,y)，與閥值T比較檢測前景和背景像素；c、對M(x,y)、Mdiff和STDdiff進行更新：M′(x,y)＝(1-β)×M(x,y)+β×I(x,y)M′diff(x,y)＝(1-β)×Mdiff(x,y)+β×|It(x,y)-It-inter(x,y)|STD′diff(x,y)＝(1-β)×SIDdiff(x,y)+β×||It(x,y)-It-inter(x,y)|-M′diff(x,y)|其中，0<β<1；d、返回步驟b直至停止。作為進一步的改進，所述β＝0.5。作為進一步的改進，所述N＝20，圖像每幀間隔時間為50ms。本專利技術具有以下有益效果：該手勢分割技術首先通過計算量簡單、時間復雜度低的背景差分算法縮小手勢區域，然后對剩下的感興趣區域利用統計特征在HSV和YCbCr混合空間進行手勢膚色分割。具體實施方式本實施例一種基于膚色模型和統計特征的手勢分割技術，包括以下步驟：(1)建立統計模型，將樣本空間的樣本圖像從RGB顏色空間轉換到HSV顏色空間和YCbCr，計算若干個通道的統計特征；(2)根據當前圖像計算每個像素的平均值作為當前的背景模型，采用均值法區分當前幀每個像素為前景或背景；(3)獲取當前圖像的前景像素在通道中的色調值K(x,i,j)，與對應通道中的統計特征比較判斷為皮膚像素或非皮膚像素。作為進一步的改進，所述統計特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮膚像素的判斷標準為：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)則該前景像素為皮膚像素，否則為非皮膚像素。作為進一步的改進，前景像素的判斷標準為：將當前幀像素值I(x,y)減去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于設定閥值T，則該像素為前景，反之為背景。作為進一步的改進，所述閥值T的計算方式如下：T＝Mdiff+α×STDdiff其中，α為常數；Mdiff和STDdiff分別為每個像素幀間差的平均值和標準差；其中，其中It代表t時刻圖像中(x,y)處的像素值；inter為常數，代表兩幀之間的間隔。作為進一步的改進，α＝2。作為進一步的改進，inter＝3。作為進一步的改進，M>30+inter。作為進一步的改進，所述均值法流程如下：a、計算N幀圖像的平均值并建立一個初始背景M(x,y)，分別計算Mdiff和STDdiff；b、將當前幀減去M(x,y)得到差D(x,y)，與閥值T比較檢測前景和背景像素；c、對M(x,y)、Mdiff和STDdiff進行更新：M′(x,y)＝(1-β)×M(x,y)+β×I(x,y)M′diff(x,y)＝(1-β)×Mdiff(x,y)+β×|It(x,y)-It-inter(x,y)|STD′diff(x,y)＝(1-β)×SIDdiff(x,y)+β×||It(x,y)-It-inter(x,y)|-M′diff(x,y)|其中，0<β<1；d、返回步驟b直至停止。作為進一步的改進，所述β＝0.5。作為進一步的改進，所述N＝20，圖像每幀間隔時間為50ms。實施例中系統通過Android編程獲取實驗手機前置攝本文檔來自技高網...

【技術保護點】
1.一種基于膚色模型和統計特征的手勢分割技術，其特征在于，包括以下步驟：(1)建立統計模型，將樣本空間的樣本圖像從RGB顏色空間轉換到HSV顏色空間和YCbCr，計算若干個通道的統計特征；(2)根據當前圖像計算每個像素的平均值作為當前的背景模型，采用均值法區分當前幀每個像素為前景或背景；(3)獲取當前圖像的前景像素在通道中的色調值K(x,i,j)，與對應通道中的統計特征比較判斷為皮膚像素或非皮膚像素。

【技術特征摘要】
1.一種基于膚色模型和統計特征的手勢分割技術，其特征在于，包括以下步驟：(1)建立統計模型，將樣本空間的樣本圖像從RGB顏色空間轉換到HSV顏色空間和YCbCr，計算若干個通道的統計特征；(2)根據當前圖像計算每個像素的平均值作為當前的背景模型，采用均值法區分當前幀每個像素為前景或背景；(3)獲取當前圖像的前景像素在通道中的色調值K(x,i,j)，與對應通道中的統計特征比較判斷為皮膚像素或非皮膚像素。2.根據權利要求1所述的手勢分割技術，其特征在于，所述統計特征包括H、Cb、Cr通道中像素的均值Mean和方差Var，皮膚像素的判斷標準為：若Mean(H)-Var(H)≤K(H,i,j)≤Mean(H)+Var(H)且Mean(Cb)-Var(Cb)≤K(Cb,i,j)≤Mean(Cb)+Var(Cb)且Mean(Cr)-Var(Cr)≤K(Cr,i,j)≤Mean(Cr)+Var(Cr)則該前景像素為皮膚像素，否則為非皮膚像素。3.根據權利要求1所述的手勢分割技術，其特征在于，前景像素的判斷標準為：將當前幀像素值I(x,y)減去背景模型中相同位置像素的均值M(x,y),得到的差值D(x,y),若∣D(x,y)∣小于設定閥值T，則該像素為前景，反之為背景。4.根據權利要求1所述的手勢分割技術，其特征在于，所述閥值T的計算方式如下：T＝Mdiff+α×STDdiff其中，α為常數；Mdi...

【專利技術屬性】
技術研發人員：肖應旺，劉軍，姚美銀，張緒紅，
申請(專利權)人：廣東技術師范學院，
類型：發明
國別省市：廣東,44