[发明专利]基于Fréchet距离的动态手势识别方法

权利要求书

1.一种基于Fréchet距离的动态手势识别方法，其特征在于，至少包括以下步骤：

获取输入视频中待识别的动态手势片段的手势位置信息；

获取所述手势位置处连续前后帧的手势状态变化特征序列；

将获取的手势状态变化特征序列与预设模型中的特征序列依据Fréchet距离进行匹配；

根据Fréchet距离匹配信息获取相似性结果并输出。

2.根据权利要求1所述的基于Fréchet距离的动态手势识别方法，其特征在于，所述获取输入视频中待识别的动态手势片段的手势位置信息的具体步骤为：

根据视频中像素的RGB值，获取视频任意一帧图像中肤色区域出现的概率值；

根据所述概率值判断得到视频各帧图像中分布的所有肤色区域；

获取各个肤色区域在连续前后帧图像的光流值；

根据分布的所有肤色区域的光流值，得到平均光流值最大的区域，即手势位置区域。

3.根据权利要求1所述的基于Fréchet距离的动态手势识别方法，其特征在于，所述获取所述手势位置处连续前后帧的手势状态变化特征序列包括运动轨迹变化特征序列和姿态变化特征序列。

4.根据权利要求3所述的基于Fréchet距离的动态手势识别方法，其特征在于，所述运动轨迹变化特征序列的匹配步骤为：

设置手势位置区域内视频图像的任意一帧与前一帧的平均光流为方向矢量，即：F=(x,y)，其中x,y分别表示平均光流在横向、纵向上的分量；

获取输入视频图像各帧所对应的运动特征序列为(F₁,F₂,...,F_T)；

获取模型中设置的运动特征序列为(M₁,M₂,...,M_T);

选取运动特征序列(F₁,F₂,...,F_T)中的任意一段序列片段f=(F_i,F_i+1,...,F_j)，得到该片段上的任意向量(x₁,y₁)与运动特征序列(M₁,M₂,...,M_T)中的任意向量(x₂,y₂)的距离，即为：

d1((x1,y1),(x2,y2))=1-x1·x2+y1·y2x12+y12·x22+y22;]]>

从得到的多个d₁((x₁,y₁),(x₂,y₂))找到最大值，求取最大值之下界，便可得到f=(F_i,F_i+1,...,F_j)和(M₁,M₂,...,M_T)的Fréchet距离δ_F；

设置一阈值ε₁，判断该阈值与δ_F的大小：

若δ_F≤ε₁，则判断待识别视频中第i帧至第j帧所示的相应手势动作为模型所匹配的手势；

反之，则不是。

5.根据权利要求3所述的基于Fréchet距离的动态手势识别方法，其特征在于，所述姿态变化特征序列的匹配步骤为：

设置手势位置区域内视频图像的任意一帧中手指指尖及中指指根相对应手指中心位置的坐标为姿态向量，即为Z，其中Z为12维的特征向量；

获取输入视频图像各帧所对应的姿态特征序列为(Z₁,Z₂,...,Z_T)；

获取模型中设置的姿态特征序列为(N₁,N₂,...,N_T);

选取姿态运动特征序列(Z₁,Z₂,...,Z_T)中的任意一段序列片段f=(Z_i,Z_i+1,...,Z_j)，得到该片段上的任意向量Z与姿态运动特征序列(N₁,N₂,...,N_T)中的任意向量N的距离，即为：

d₂(Z,N)=||Z-N||₂；

从得到的多个d2₍Z,N)找到最大值，求取最大值之下界，便可得到f=(Z_i,Z_i+1,...,Z_j)和(N₁,N₂,...,N_T)的Fréchet距离δ_F；

设置一阈值ε₂，判断该阈值与δ_F的大小：

若δ_F≤ε₂，则判断待识别视频中第i帧至第j帧所示的相应手势动作为模型所匹配的手势；

反之，则不是。