基於CamShift算法與手形遮罩的手識別裝置及其方法
2023-09-22 12:37:45
專利名稱:基於CamShift算法與手形遮罩的手識別裝置及其方法
技術領域:
本發明涉及虛擬實境與計算機圖像學領域,特別涉及一種對視頻中的人手部位進行連續 識別與跟蹤定位的基於CamShift算法與手形遮罩的手識別裝置及其方法。
背景技術:
手識別是人機互動、機器人、計算機視覺以及數字圖像處理等領域一個重要內容。對手 的位置進行準確測定與跟蹤,在人機互動,手勢識別等方面具有重要意義。
手識別與跟蹤的方法很多,現有的方法包括基於膚色信息、基於運動信息、基於運動模 型等。目前,中科大的顧理、莊鎮泉等人利用光照補償和基於分類搜索的局部閾值手形提取 方法對手形進行提取,提取效果較好,但未能實現在連續視頻中的追蹤。哈工大的張良國等 提出了基於hausdorff距離的手識別系統並利用其進行手勢識別,但對光照與複雜背景等因 素較敏感。哈工大的孫超、姜立利用FSR傳感器檢測加支持向量機的方式進行檢測,效果較 好但對硬體要求較高。
現有的手識別技術或是技術較複雜,在實時性上有一定缺陷,或是主要運用於單幀的靜 態圖像,不能對連續視頻進行準確性較高的跟蹤與識別。本系統提出一種利用Camshift算法 與手形遮罩相結合的手識別方法。該方法針對連續視頻,以基於CamShift的顏色分析為主, 結合手形模板的形狀分析技術,並利用Haar算法等對視頻的幹擾成分進行處理與去除,能對 視頻中手所在部位進行連續與準確性較高的識別與跟蹤。
其中的CamShift是"Continuously Adaptive Mean-SHIFT"的縮寫,即連續自適應 Mean-SHIFT算法,是一種基於Mean-SHIFT算法,應用於連續視頻的跟蹤算法。CamShift基 於隨機顏色概率模型,與被跟蹤對象的具體形狀模型無關。CamShift算法採用了 HSV色彩空 間,受光照等環境因素影響較小,且人手膚色在HSV空間色度值分布鮮明。CamShift分為反 向投影(Back Projection) , MeanShift算法與CamShift算法三部分。
參考文獻[1 ]和[2]公開了 Haar算法。 Paul Viola, Michael J. Jones. Robust Real-Time Face Detection[J]. International Journal of Computer Vision, May 2004, 57: 137-154. Friedman, J. H., Hastie, T. and Tibshirani, R. Additive Logistic Regression:
4a Statistical View of Boosting. Technical Report[R], Dept. of Statistics, Stanford University, 1998.
有鑑於此,本領域發明人針對上述問題,研發了一種對視頻中的人手部位進行連續識別 與跟蹤定位的基於CamShift算法與手形遮罩的手識別裝置及其方法。
發明內容
本發明的目的在於,提供一種基於C柳Shift算法與手形遮罩的手識別裝置及其方法,克 服了現有技術的困難,達到對視頻中的人手部位進行連續識別與跟蹤定位的目的。
本發明採用如下技術方案
本發明的一種基於CamShift算法與手形遮罩的手識別裝置,包括幹擾區域去除模塊、手
部區域初步追蹤模塊、圖像處理模塊以及基於手形模板的識別模塊;
所述幹擾區域去除模塊通過Haar算法識別並去除人臉等包含膚色的幹擾部位; 所述手部區域初步追蹤模塊通過CamShift算法對視頻中的手區域進行初步的識別與連續
追蹤;
所述圖像處理模塊對經CamShift處理得到的每一幀,進行圖像的二值化、腐蝕、膨脹、 劃分出各個連通區域等操作,去除圖像噪點;
所述基於手形模板的識別模塊利用手形模板對圖像進行處理,判斷每個連通區域是否為 手區域,確定最終的識別與跟蹤區域。
進一步地,所述幹擾區域去除模塊至少包括Haar算法訓練模塊以及Haar算法識別模塊。
進一步地,所述手部區域初步追蹤模塊至少包括基於CamShift算法的處理模塊和識別模塊。
進一步地,所述基於手形模板的識別模塊中手形遮罩分為左張開,左合併,右張開,右 合併四種。
進一步地,四種所述手形遮罩再分為旋轉O度,正負45度,正負90度五種,共20種遮罩。
本發明的一種基於CamShift算法與手形遮罩的手識別方法,採用上述基於CamShift算 法與手形遮罩的手識別裝置,包括以下步驟
1) 採用Haar算法識別臉部區域並加於去除;
2) 採用CamShift算法對圖像的手部區域進行初步的識別;
3) 對CamShift算法生成的顏色概率分布圖進行二值化、腐蝕、膨脹處理;4) 將處理後的圖中滿足一定大小的連通區域分割出來,分別與每一個手形遮罩進行相似 度對比,式(1)為計算針對某一手形遮罩的相似度值的公式
A =05/&+S/S2)/2 (1)
其中,/v為相似度值,Si為某連通區域面積,S2為手遮罩面積,S為兩者重疊面積, 對每一個手形遮罩計算相應的A值,取所有A中最大值^皿為最終相似度值;
5) 判斷所述最終相似度值P-是否大於閾值,若是,則判定為手,標出該連通區域;若
否,則輸入下一幀,執行步驟l)。
進一步地,所述步驟l)之前還包括預設閾值。
進一步地,所述步驟4)中的手形遮罩分為左張開,左合併,右張開,右合併四種。 進一步地,四種所述手形遮罩再分為旋轉O度,正負45度,正負90度五種,共20種遮罩。
進一步地,所述歩驟5)中當判定為手時,將所述連通區域用方框標出,完成手部位的追
相對於己有的其他方法,本發明創造性地將Haar算法,CamShift算法,手形遮罩處理方 法等計算機視覺與數字圖像處理算法結合在一起,集中幾種算法的優勢,先對圖像進行幹擾 區域去除,再將基於色彩的識別跟蹤與基於形狀的識別跟蹤算法結合起來,可以對視頻中的 手所在區域進行連續跟蹤,試驗證明,該方法執行效率較高,跟蹤準確性較高。相比現有技 術還具有能對連續視頻進行準確性較高的跟蹤與識別,對光照與複雜背景等因素敏感度低, 降低硬體要求的優點。
以下結合附圖及實施例進一步說明本發明。
圖1為本發明中基於CamShift算法與手形遮罩的手識別裝置的結構示意圖; 圖2為本發明中基於CamShift算法與手形遮罩的手識別方法的流程圖; 圖3為實施例1中所用到部分手形模板圖。
具體實施例方式
下面通過圖1至3,來介紹本發明的一種具體實施例。形遮罩的手識別裝置,包括通過數據 線相連並交換數據的幹擾區域去除模塊、手部區域初步追蹤模塊、圖像處理模塊以及基於手 形模板的識別模塊。
其中,所述幹擾區域去除模塊通過Haar算法識別並去除人臉等包含膚色的幹擾部位,所 述幹擾區域去除模塊至少包括Haar算法訓練模塊以及Haar算法識別模塊。
所述手部區域初步追蹤模塊通過CamShift算法對視頻中的手區域進行初步的識別與連續 追蹤,所述手部區域初步追蹤模塊至少包括基於CamShift算法的處理模塊和識別模塊。
所述圖像處理模塊對經CamShift處理得到的每一幀,進行圖像的二值化、腐蝕、膨脹、 劃分出各個連通區域等操作,去除圖像噪點;
所述基於手形模板的識別模塊利用手形模板對圖像進行處理,判斷每個連通區域是否為 手區域,確定最終的識別與跟蹤區域。所述基於手形模板的識別模塊中手形遮罩分為左張開, 左合併,右張開,右合併四種,這四種所述手形遮罩再分為旋轉0度,正負45度,正負90 度五種,共20種遮罩。
參見圖3,列舉了其中的8種 (左合併,0度)、(右合併,0度); (左張開,0度)、(右張開,0度); (左合併,90度)、(右合併,90度); (左合併,45度)、(右合併,45度)。 如圖2所示,本發明的一種基於CamShift算法與手形遮罩的手識別方法,採用上述基於 CamShift算法與手形遮罩的手識別裝置,包括以下步驟 預設閾值。
1) 採用Haar算法識別臉部區域並加於去除;
2) 採用CamShift算法對圖像的手部區域進行初步的識別;
3) 對CamShift算法生成的顏色概率分布圖進行二值化、腐蝕、膨脹處理;
4) 將處理後的圖中滿足一定大小的連通區域分割出來,分別與每一個手形遮罩進行相似 度對比,式(1)為計算針對某一手形遮罩的相似度值的公式
+S/S2)/2 (1)
其中,A為相似度值,Si為某連通區域面積,S2為手遮罩面積,S為兩者重疊面積, 對每一個手形遮罩計算相應的A值,取所有A中最大值An^為最終相似度值;手形遮罩分為左張開,左合併,右張開,右合併四種,這四種所述手形遮罩再分為旋轉0 度,正負45度,正負90度五種,共20種遮罩。 參見圖3,列舉了其中的8種 (左合併,0度)、(右合併,0度);
(左張開,0度)、(右張開,0度);
(左合併,90度)、(右合併,90度); (左合併,45度)、(右合併,45度)。
5)判斷所述最終相似度值^皿是否大於閾值,若是,則判定為手,將所述連通區域用方
框標出,完成手部位的追蹤;若否,則輸入下一幀,執行步驟l)。
綜上可知,本發明創造性地將Haar算法,CamShift算法,手形遮罩處理方法等計算機視 覺與數字圖像處理算法結合在一起,集中幾種算法的優勢,先對圖像進行幹擾區域去除,再 將基於色彩的識別跟蹤與基於形狀的識別跟蹤算法結合起來,可以對視頻中的手所在區域進 行連續跟蹤,試驗證明,該方法執行效率較高,跟蹤準確性較高。
以上所述的實施例僅用於說明本發明的技術思想及特點,其目的在於使本領域內的技術 人員能夠了解本發明的內容並據以實施,不能僅以本實施例來限定本發明的專利範圍,即凡 依本發明所揭示的精祌所作的同等變化或修飾,仍落在本發明的專利範圍內。
權利要求
1、一種基於CamShift算法與手形遮罩的手識別裝置,其特徵在於包括幹擾區域去除模塊、手部區域初步追蹤模塊、圖像處理模塊以及基於手形模板的識別模塊;所述幹擾區域去除模塊通過Haar算法識別並去除人臉等包含膚色的幹擾部位;所述手部區域初步追蹤模塊通過CamShift算法對視頻中的手區域進行初步的識別與連續追蹤;所述圖像處理模塊對經CamShift處理得到的每一幀,進行圖像的二值化、腐蝕、膨脹、劃分出各個連通區域等操作,去除圖像噪點;所述基於手形模板的識別模塊利用手形模板對圖像進行處理,判斷每個連通區域是否為手區域,確定最終的識別與跟蹤區域。
2、 根據權利要求1所述的基於CamShift算法與手形遮罩的手識別裝置,其特徵在於所述幹擾區域去除模塊至少包括Haar算法訓練模塊以及Haar算法識別模塊。
3、 根據權利要求1所述的基於CamShift算法與手形遮罩的手識別裝置,其特徵在於-所述手部區域初步追蹤模塊至少包括基於CamShift算法的處理模塊和識別模塊。
4、 根據權利要求1所述的基於CamShift算法與手形遮罩的手識別裝置,其特徵在於所述基於手形模板的識別模塊中手形遮罩分為左張開,左合併,右張開,右合併四種。
5、 根據權利要求4所述的基於CamShift算法與手形遮罩的手識別裝置,其特徵在於四種所述手形遮罩再分為旋轉O度,正負45度,正負90度五種,共20種遮罩。
6、 一種基於CamShift算法與手形遮罩的手識別方法,採用如所述權利要求1至5中的任意一項基於CamShift算法與手形遮罩的手識別裝置,其特徵在於包括以下步驟1) 採用Haar算法識別臉部區域並加於去除;2) 採用CamShift算法對圖像的手部區域進行初步的識別;3) 對CamShift算法生成的顏色概率分布圖進行二值化、腐蝕、膨脹處理;4) 將處理後的圖中滿足一定大小的連通區域分割出來,分別與每一個手形遮罩進行相似度對比,式(1)為計算針對某一手形遮罩的相似度值的公式formula see original document page 2(1)其中,^為相似度值,Si為某連通區域面積,S2為手遮罩面積,S為兩者重疊面積,對每一個手形遮罩計算相應的^值,取所有A中最大值^皿為最終相似度值;5) 判斷所述最終相似度值A皿是否大於閾值,若是,則判定為手,標出該連通區域;若否,則輸入下一幀,執行步驟l)。
7、 根據權利要求6所述的基於CamShift算法與手形遮罩的手識別方法,其特徵在於: 所述步驟l)之前還包括預設閾值。
8、 根據權利要求6所述的基於CamShift算法與手形遮罩的手識別方法,其特徵在於: 所述步驟4)中的手形遮罩分為左張開,左合併,右張開,右合併四種。
9、 根據權利要求8所述的基於CamShift算法與手形遮罩的手識別方法,其特徵在於: 四種所述手形遮罩再分為旋轉O度,正負45度,正負90度五種,共20種遮罩。
10、 根據權利要求6所述的基於CamShift算法與手形遮罩的手識別方法,其特徵在於.-所述歩驟5)中當判定為手時,將所述連通區域用方框標出,完成手部位的追蹤。
全文摘要
本發明揭示了一種基於CamShift算法與手形遮罩的手識別裝置及其方法,包括幹擾區域去除模塊、手部區域初步追蹤模塊、圖像處理模塊以及基於手形模板的識別模塊;其方法為1)採用Haar算法識別臉部區域並加於去除;2)採用CamShift算法對圖像的手部區域進行初步的識別;3)對CamShift算法生成的顏色概率分布圖進行二值化、腐蝕、膨脹處理;4)將處理後的圖中滿足一定大小的連通區域分割出來,分別與每一個手形遮罩進行相似度對比;5)判斷所述相似度值中的最大值是否大於閾值,若是,則判定為手,標出該連通區域;若否,則輸入下一幀,執行步驟1);本發明集中幾種算法的優勢,對視頻中的手所在區域進行連續跟蹤,方法執行效率較高,跟蹤準確性較高。
文檔編號G06K9/00GK101667250SQ20091019698
公開日2010年3月10日 申請日期2009年10月10日 優先權日2009年10月10日
發明者周暖雲, 季斐翀, 晉 潘, 濤 陸 申請人:上海水晶石信息技術有限公司