一种3D手势识别方法技术

本发明专利技术涉及计算机视觉和人机交互领域，具体涉及一种3D手势识别方法，包括以下步骤：通过第一层分类器，将手势的运动轨迹进行分段，得到一个个组成手势的笔画轨迹；通过标准化过程将笔画轨迹转化得到对应的标准笔画序号；提取手势多个动作的笔画序号与笔画长度组合成手势的特征序列；特征序列通过第二层分类器与模板计算相似度，得到手势所属的类。本方法在各层中，把变化的特征进行识别与标准化，用多层识别，多层标准化，最终就得到了识别结果，能准确计算出笔画方向特征的相似度、和运动特征序列的相似度。算法简单，复杂度低，正确率高。

【技术实现步骤摘要】
一种3D手势识别方法
本专利技术涉及计算机视觉和人机交互领域，具体涉及一种3D手势识别方法。
技术介绍
人与计算机的交互越来越成为人们日常生活中的一个重要组成部分，逐渐成为计算机领域的一个重要研究课题。在手势识别中，最基础、关键的是对手势的识别。在得到动态手势的运动轨迹之后，计算机便可对其进行特征的提取，根据特征信息进行识别。本算法提出了新的基于笔画特征与DTLS的多层分类算法，首先，把运动轨迹分为多个笔画，对笔画特征进行标准化，再用DTLS相似度进行匹配与识别，得到手势所属的类。中国专利申请号为201210242290.1的专利技术专利申请公开了一种基于深度信息的手势识别方法，其主要技术方案为：通过深度信息进行背景建模，得到人体信息，采用肤色检测得到人手位置；跟踪人手得到手势轨迹信息。采用隐马尔科夫模型，对手势进行识别。该方法采用隐马尔科夫模型进行识别，需要大量的训练数据作为样本进行训练，同时隐马尔科夫模型的算法复杂度为O(n2T)，计算比较复杂。
技术实现思路
本专利技术的目的在于提供一种3D手势识别方法，解决现有技术中计算机在识别人手时计算太过复杂，需要的计算机配置要求过高，不利于广泛应用的问题。为解决上述的技术问题，本专利技术采用以下技术方案：一种3D手势识别方法，包括以下步骤：步骤一，通过第一层分类器，将手势的运动轨迹进行分段，得到一个个组成手势的笔画轨迹；步骤二，通过标准化过程将笔画轨迹转化得到对应的标准笔画序号；步骤三，提取手势多个动作的笔画序号与笔画长度组合成手势的特征序列；步骤四，特征序列通过第二层分类器与模板计算相似度，得到手势所属的类。更进一步的技术方案是，所述步骤一中，将手势的运动轨迹进行分段，是指在手势轨迹的方向改变超过一定阈值、速度改变超过一定阈值和方向变化率改变超过一定阈值时的位置提取识别的笔画。更进一步的技术方案是，所述步骤二中，笔画轨迹转化得到对应的标准笔画序号是将所有的手势笔画都转化为16种标准笔画，并将笔画特征分为直线笔画特征和曲线笔画特征，通过36维直方图分为36份，每份10度，用36维直方图对所有运动方向进行统计，如果所有点的运动方向集中在当前点或起始点的运动方向上，并占60%以上，则识别为直线笔画，否则识别为曲线笔画，通过计算笔画角度分辨出直线笔画和曲线笔画分别属于16种标准笔画中的哪一种。更进一步的技术方案是，所述步骤三中，特征序列具体是通过手势笔画分段和笔画识别，将手势生成一串笔画序列，序列中每个元素包含2个数，一个是笔画类型，另一个是笔画长度。更进一步的技术方案是，所述步骤四中，特征序列和模板的相似度计算从二维扩展到三维，新增一维表示时间或长度；同时将长短不同的笔画进行位置对齐，获得最大的相似度。更进一步的技术方案是，所述第二层分类器是采用方向到位置的DTLS算法进行相似度计算，设定两个同心圆，将8个直线笔画特征转换到大圆周上，把8个曲线笔画特征转化到小圆周上，实现从方向信息到位置信息的映射，把方向特征信息转换为位置特征信息，将所述位置特征信息与模板进行计算比较得到手势所属的类。与现有技术相比，本专利技术的有益效果是：本方法在各层中，把变化的特征进行识别与标准化，用多层识别，多层标准化，最终就得到了识别结果，能准确计算出笔画方向特征的相似度、和运动特征序列的相似度。算法简单，复杂度低，正确率高。附图说明图1为本专利技术一种3D手势识别方法一个实施例的8种标准直线笔画示意图。图2为本专利技术一种3D手势识别方法一个实施例的8种标准曲线笔画示意图。图3为本专利技术一种3D手势识别方法一个实施例的手势笔画特征示意图。图4为本专利技术一种3D手势识别方法一个实施例的方向到位置的转化的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术一种3D手势识别方法的一个实施例：一种3D手势识别方法，包括以下步骤：步骤一，通过第一层分类器，将手势的运动轨迹进行分段，得到一个个组成手势的笔画轨迹；步骤二，通过标准化过程将笔画轨迹转化得到对应的标准笔画序号；步骤三，提取手势多个动作的笔画序号与笔画长度组合成手势的特征序列；步骤四，特征序列通过第二层分类器与模板计算相似度，得到手势所属的类。这里值得指出的是，上述第一层分类器和第二层分类器，是模式识别的一种说法，其输入为测试样本，输出为样本的所属类，是一个广泛的概念。图3示出了本专利技术一种3D手势识别方法的一个优选实施例，所述步骤一中，将手势的运动轨迹进行分段，是指在手势轨迹的方向改变超过一定阈值、速度改变超过一定阈值和方向变化率改变超过一定阈值时的位置提取识别的笔画。所述手势轨迹的方向改变、速度改变和方向变化率的三个方向向量可以通过以下公式算出：式中，和分别是轨迹最近三处的运动方向向量，xi,yi代表当前点的x,y值，xi-1,yi-1代表前1点的x,y值。是此笔画开始点的运动方向向量，xstart,ystart代表此笔画的起始点。对于手势轨迹上的每个点，采用以下公式计算：T1]]>T2]]>T3]]>T4]]>其中，T1,T2,T3,T4分别代表4个阈值。当4个式子中有一个成立时，此处就是笔画的分割点。根据本专利技术一种3D手势识别方法的另一个优选实施例，所述步骤二中，笔画轨迹转化得到对应的标准笔画序号是将所有的手势笔画都转化为16种标准笔本文档来自技高网...

【技术保护点】
一种3D手势识别方法，其特征在于包括以下步骤：步骤一，通过第一层分类器，将手势的运动轨迹进行分段，得到一个个组成手势的笔画轨迹；步骤二，通过标准化过程将笔画轨迹转化得到对应的标准笔画序号；步骤三，提取手势多个动作的笔画序号与笔画长度组合成手势的特征序列；步骤四，特征序列通过第二层分类器与模板计算相似度，得到手势所属的类。

【技术特征摘要】
1.一种3D手势识别方法，其特征在于包括以下步骤：步骤一，通过第一层分类器，将手势的运动轨迹进行分段，得到一个个组成手势的笔画轨迹；步骤二，通过标准化过程将笔画轨迹转化得到对应的标准笔画序号；步骤三，提取手势的多个标准笔画序号与笔画长度组合成手势的特征序列；步骤四，特征序列通过第二层分类器分类后与模板计算相似度，得到手势所属的类；所述步骤一中，将手势的运动轨迹进行分段，是指在手势的运动轨迹的方向改变超过一定阈值、速度改变超过一定阈值和方向变化率改变超过一定阈值时的位置提取识别的笔画；所述步骤二中，笔画轨迹转化得到对应的标准笔画序号是将所有的笔画轨迹都转化为16种标准笔画，并将16种标准笔画的笔画特征分为直线笔画特征和曲线笔画特征，通过36维直方图分为36份，每份10度，用36维直方图对笔画轨迹上的所有运动方向进行统计，如果所有点的运动方向集中在当前点或起始点的运动方向上，并占60%以上，则识别为直线笔画，否则识别...

【专利技术属性】
技术研发人员：程洪，罗军，杨路，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：