[发明专利]手势检测方法及系统

权利要求书

1.一种手势检测方法，其特征在于，包括如下步骤：

检测一种预定义的运动方式，用于确定检测感兴趣区域；

在所述感兴趣区域内对预定义手势进行多尺度滑动窗口检测；

从每个窗口图像的肤色隶属度图像中提取局部均值特征；

用Ada-Boost分类器对所述局部均值特征来做手势-背景的分类，若被分类为手势，则相应窗口作为候选目标窗口；

对所述候选目标窗口，基于窗口图像的灰度图像提取点对特征；

使用随机森林分类器对所述点对特征做分类，得到相应于各类手势的目标窗口；

对所述各类手势的目标窗口进行聚类处理；

输出成功检测到的手势类别及其所在的准确位置。

2.如权利要求1所述的手势检测方法，其特征在于，所述预定运动方式为往返性挥手运动。

3.如权利要求2所述的手势检测方法，其特征在于，所述挥手动作的检测是通过肤色隶属度图像的绝对差分图像的积分图来来实现的。

4.如权利要求3所述的手势检测方法，其特征在于，通过字典法来实现所述肤色隶属度图像的快速计算。

5.如权利要求4所述的手势检测方法，其特征在于，通过更新率来计算肤色运动积分图像，其步骤包括：

对当前帧视频，先使用字典法计算肤色隶属度图；

与上一帧的肤色隶属度图像做差分，得到绝对差分图；

所述差分图结合上一帧状态的积分图像，使用更新率，计算当前帧状态的肤色运动积分图像。

6.如权利要求4所述的手势检测方法，其特征在于，所述多尺度滑动窗口检测的步骤，包括：

基于所述字典法计算感兴趣区域的肤色隶属度图像；

基于肤色的进行窗口滤波；

基于点对特征和随机森林分类器进行决策阶段。

7.如权利要求6所述的手势检测方法，其特征在于，所述窗口滤波的执行步骤，包括：

基于窗口图像的肤色隶属度图像提取局部均值特征；

使用预先训练的AdaBoost分类器对局部均值特征做分类，从而实现基于肤色的窗口过滤，最后形成一系列候选目标窗口。

8.如权利要求1所述的手势检测方法，其特征在于，所述对各类手势的目标窗口进行聚类的步骤，还包括：

对聚类后形成的窗口簇进行置信度分析；

置信度小于阈值者被过滤；

置信度大于等于阈值的窗口簇的代表窗口用于确定所述手势的位置。

9.一种手势检测系统，其特征在于，包括：

运动检测模块，通过肤色运动积分图像来检测一种规律性的挥手行为，根据所述挥手行为的发生区域，确定感兴趣区域；

肤色滤波模块，计算所述感兴趣区域的肤色隶属度图像，使用多尺度滑动窗口的方法，从每个窗口图像对应的隶属度图像中提取若干局部均值特征，使用Ada-Boost分类器对局部均值特征做分类，以此排除部分背景窗口；

决策模块，提取点对特征，使用预先训练得到的随机森林分类器做手势-背景以及手势-手势分类得到各个手势所对应的目标图像窗口；以及

输出模块，对各类手势的目标窗口进行聚类等后处理，输出成功检测到的手势类别及其所在的准确位置。