手势识别系统技术方案

本发明专利技术涉及图像识别技术领域，公开了一种手势识别系统，包括图像采集模块、图像预处理模块和识别模块，所述图像采集模块用于采集模拟视频信号，并将其转换为数字信号并送入图像处理模块进行后续处理；所述图像处理预模块用于手势图像的缓存、成帧、预处理，并将预处理的数据送入识别模块进行后续处理；所述识别模块用于手势分割、手势特征提取和识别，并将识别结果进行输出，本发明专利技术有效提高对于手势提取和识别的工作的可靠性，得到更精准的识别结果，为人机交互提供了更准确的输入基础，具有切实意义上的实用价值。

【技术实现步骤摘要】
手势识别系统
本专利技术涉及图像识别
，尤其涉及一种一种手势识别系统。
技术介绍
随着计算机技术的突飞猛进，人机交互技术在人们的生活中越来越普及。人机交互(Human-ComputerInteraction,HCI)技术是指用户与计算机之间使用某种操作方式而执行的一种人与计算机之间的交互过程。它的发展大致经历了纯手工作业阶段、语言命令控制阶段、用户界面阶段等，然而随着近年来人工智能等技术的不断发展，逐渐引起对人机交互技术发展的重视。现在随着计算机在应用领域方面的不断拓展，现有的人机交互方式已经不能满足人们对日常需求的更高层次的要求，急需一种更加简洁、友好的新型人机相互交互的方式。由于人机交互的最终目的是为了实现人与机器之间自然地交流，而在日常生活中人与人之间大部分是通过肢体语言或者面部表情来传达信息的，只有一小部分是通过自然语言来完成的，这就表明肢体语言表达人类情感或者意图方面具有更大的优势。由于在肢体语言当中，手扮演着极为重要的角色，因此，基于手势行为的交互方式即手势行为识别系统，也即手势识别系统受到人们的广泛关注。一般情况下，手势识别系统主要由以下几个部分组成：手势预处理、手势分割、手势建模、手势特征提取、手势识别。在手势分割中，亮度会在很大程度上影响肤色的表现，但不同个体在不同亮度条件下的肤色在色度空间具有分布的统一性。因此，亮度无关的色度空间之中，不同个体甚至不同人种的肤色的分布都有着十分明显的聚类特性。如果对手势的背景做一些限制，就可以用基于肤色模型的方法快速分割出手势。然而大部分的情况下背景的条件比较复杂，很难加以限制，因此如何在复杂背景下进行基于肤色聚类的手势分割是一个难点。
技术实现思路
针对现有技术的不足，本专利技术提供一种手势识别系统用以解决现有技术中问题。本专利技术解决技术问题采用如下技术方案：一种手势识别系统，包括图像采集模块、图像预处理模块、识别模块；所述图像采集模块用于采集模拟视频信号，并将其转换为数字信号并送入图像处理模块进行后续处理；所述图像处理预模块用于手势图像的缓存、成帧、预处理，并将预处理的数据送入识别模块，所述预处理包括：确定手势是否为静态的手势，若为静态的手势，只传输一张图像给识别模块进行处理；所述识别模块用于手势分割、手势特征提取和识别，并将识别结果进行输出，其中：所述手势分割具体包括：利用前N帧图像建立背景模型，取每一像素点的均值作为背景图像，并按照肤色的方法进行分割，将分割所得的二值图像白色区域的面积记为A，并将分割结果记做I；对第N+1帧图像采用肤色方法来完成图像分割，将分割出来的区域的面积记为AAl，并将分割结果记做IA；将分割后的背景图像和第N+1帧图像进行差值计算，将分割出来的部分面积记为AF，并将分割结果记做IF，计算两幅图像差值所导致的重合像素面积占图像总像素面积的比例M，若M大于预设阈值，利用新的肤色阈值范围重新分割；否则认为该图像已经完成分割，没有重叠部分，继续下一帧图像分割；将IF图像的原彩色图像中H分量进行分析，取图像H分量矩阵的各行最大值的均值作为H分量新阈值的上限，同样将H分量的各行的非零最小值的均值作为新阈值的下限，按照此新阈值范围重新对第N+1帧图像进行分割，这一分割结果即为最终的结果；所述识别具体包括：设置神经网络各层节点的数量、最大训练次数、学习率、目标误差精度等，并为各层权值赋随机的0～1内的初值；选取训练样本手势图像，经分割后提取出各手势图像的特征向量，作为神经网络的输入向量；根据训练样本进行网络训练，直到误差函数小于预设的误差精度或训练次数超过了预设的最大次数；神经网络训练结束，将待测试的手势图像提出特征向量，作为输入向量，进行识别；所述手势特征提取采用基于拓扑结构的特征提取、基于几何矩的特征提取和基于统计信息的特征提取中的一种。优选地，还包括通信接口和存储器，所述图像采集模块、图像预处理模块、识别模块、通信接口和存储器通过总线相互连接。优选地，所述手势特征提取采用基于拓扑结构的特征提取、基于几何矩的特征提取和基于统计信息的特征提取中的一种。优选地，所述采集模拟视频信号具体包括：摄像头采用PAL制式，采用隔行扫描，每一帧图像分为两场，每场图像的大小为200kb，每秒显示50场图像。优选地，所述训练样本手势图像具体包括：捏取手势、圆圈手势、正确手势、Okay手势、确认手势、锁定手势、瞄准手势、对焦手势。与现有技术相比，本专利技术具有如下的有益效果：本专利技术的手势识别过程中采用的分割效果较好，基本还原了原图像中手势的部分，滤除掉了背景，并且没有将肤色重叠部分也滤除掉，虽然分割出来的图像中仍有一些小的孔洞，但这对后面的特征提取和识别工作来说是可靠的，同时本专利技术中手势分割结合了神经网络的训练和匹配，可以提高手势识别的准确度。附图说明图1为本专利技术实施例的一种手势识别系统的结构示意图。具体实施方式以下结合说明书附图和具体优选的实施例对本专利技术作进一步描述，但并不因此而限制本专利技术的保护范围。请参照图1，本实施例的一种手势识别系统，包括图像采集模块、图像预处理模块、识别模块、通信接口和存储器，所述图像采集模块、图像预处理模块、识别模块、通信接口和存储器通过总线相互连接；所述图像采集模块用于采集模拟视频信号，并将其转换为数字信号并送入图像处理模块进行后续处理；所述图像处理预模块用于手势图像的缓存、成帧、预处理，并将预处理的数据送入识别模块，所述预处理包括：确定手势是否为静态的手势，若为静态的手势，只传输一张图像给识别模块进行处理；所述识别模块用于手势分割、手势特征提取和识别，并将识别结果进行输出，其中：所述手势分割具体包括：利用前N帧图像建立背景模型，取每一像素点的均值作为背景图像，并按照肤色的方法进行分割，将分割所得的二值图像白色区域的面积记为A，并将分割结果记做I；对第N+1帧图像采用肤色方法来完成图像分割，将分割出来的区域的面积记为AAl，并将分割结果记做IA；将分割后的背景图像和第N+1帧图像进行差值计算，将分割出来的部分面积记为AF，并将分割结果记做IF，计算两幅图像差值所导致的重合像素面积占图像总像素面积的比例M，若M大于预设阈值，利用新的肤色阈值范围重新分割；否则认为该图像已经完成分割，没有重叠部分，继续下一帧图像分割；将IF图像的原彩色图像中H分量进行分析，取图像H分量矩阵的各行最大值的均值作为H分量新阈值的上限，同样将H分量的各行的非零最小值的均值作为新阈值的下限，按照此新阈值范围重新对第N+1帧图像进行分割，这一分割结果即为最终的结果；进行完手势分割之后，要想对手势进行识别，先要把手势的特征从图像中提取出来。手势特征提取是指从原图像中提取出一部分数据，从而归纳出来可以描述手势的特征向量，例如形状、轮廓、位置、运动速率、方向角等等。手势识别系统中选择哪本文档来自技高网...

【技术保护点】
1.一种手势识别系统，其特征在于，包括图像采集模块、图像预处理模块、识别模块；/n所述图像采集模块用于采集模拟视频信号，并将其转换为数字信号并送入图像处理模块进行后续处理；/n所述图像处理预模块用于手势图像的缓存、成帧、预处理，并将预处理的数据送入识别模块，所述预处理包括：确定手势是否为静态的手势，若为静态的手势，只传输一张图像给识别模块进行处理；/n所述识别模块用于手势分割、手势特征提取和识别，并将识别结果进行输出，其中：/n所述手势分割具体包括：/n利用前N帧图像建立背景模型，取每一像素点的均值作为背景图像，并按照肤色的方法进行分割，将分割所得的二值图像白色区域的面积记为A，并将分割结果记做I；/n对第N+1帧图像采用肤色方法来完成图像分割，将分割出来的区域的面积记为AAl，并将分割结果记做IA；/n将分割后的背景图像和第N+1帧图像进行差值计算，将分割出来的部分面积记为AF，并将分割结果记做IF，计算两幅图像差值所导致的重合像素面积占图像总像素面积的比例M，若M大于预设阈值，利用新的肤色阈值范围重新分割；否则认为该图像已经完成分割，没有重叠部分，继续下一帧图像分割；/n将IF图像的原彩色图像中H分量进行分析，取图像H分量矩阵的各行最大值的均值作为H分量新阈值的上限，同样将H分量的各行的非零最小值的均值作为新阈值的下限，按照此新阈值范围重新对第N+1帧图像进行分割，这一分割结果即为最终的结果；/n所述识别具体包括：/n设置神经网络各层节点的数量、最大训练次数、学习率、目标误差精度等，并为各层权值赋随机的0～1内的初值；/n选取训练样本手势图像，经分割后提取出各手势图像的特征向量，作为神经网络的输入向量；/n根据训练样本进行网络训练，直到误差函数小于预设的误差精度或训练次数超过了预设的最大次数；/n神经网络训练结束，将待测试的手势图像提出特征向量，作为输入向量，进行识别；/n所述手势特征提取采用基于拓扑结构的特征提取、基于几何矩的特征提取和基于统计信息的特征提取中的一种。/n...

【技术特征摘要】
1.一种手势识别系统，其特征在于，包括图像采集模块、图像预处理模块、识别模块；
所述图像采集模块用于采集模拟视频信号，并将其转换为数字信号并送入图像处理模块进行后续处理；
所述图像处理预模块用于手势图像的缓存、成帧、预处理，并将预处理的数据送入识别模块，所述预处理包括：确定手势是否为静态的手势，若为静态的手势，只传输一张图像给识别模块进行处理；
所述识别模块用于手势分割、手势特征提取和识别，并将识别结果进行输出，其中：
所述手势分割具体包括：
利用前N帧图像建立背景模型，取每一像素点的均值作为背景图像，并按照肤色的方法进行分割，将分割所得的二值图像白色区域的面积记为A，并将分割结果记做I；
对第N+1帧图像采用肤色方法来完成图像分割，将分割出来的区域的面积记为AAl，并将分割结果记做IA；
将分割后的背景图像和第N+1帧图像进行差值计算，将分割出来的部分面积记为AF，并将分割结果记做IF，计算两幅图像差值所导致的重合像素面积占图像总像素面积的比例M，若M大于预设阈值，利用新的肤色阈值范围重新分割；否则认为该图像已经完成分割，没有重叠部分，继续下一帧图像分割；
将IF图像的原彩色图像中H分量进行分析，取图像H分量矩阵的各行最大值的均值作为H分量新阈值的上限，同样将H分量的各行的非零最小值的均值作为新阈值的下限，按照此新阈值范围重新对第N+1帧图像进行分割，这一分割结果即为最终的结果；
所...

【专利技术属性】
技术研发人员：满延慧，
申请(专利权)人：怀化新大地电脑有限公司，
类型：发明
国别省市：湖南;43