[发明专利]基于嵌入式Linux系统手势识别方法

说明书

技术领域

本发明涉及手势识别领域，尤其是涉及该领域中能提高手势识别的识别率的基于嵌入式Linux系统手势识别方法。

背景技术

手势识别作为一种自然直观的交互方式，已经成为近些年来人机交互领域的一大研究热点。其中，基于计算机视觉的手势识别因为它的成本比较低廉，操作比较方便，越来越被人们广泛运用，这是未来手势识别的发展方向。然而，人手的自由度和弹性、背景等给手势识别带来了极大的困难，如何克服这些困难以便更好地实现手势识别是当今人们研究的重大课题。

嵌入式Linux是以Linux为基础的嵌入式作业系统，它被广泛应用在移动电话、个人数字助理(PDA)、媒体播放器、消费性电子产品以及航空航天等领域中。

手势识别的两个关键性问题是手势特征的选择和分类器的设计。比较常用的特征有Hu矩、Zernike矩、H傅里叶轮廓矩等，其中，Zernike对于噪声不太敏感，一般应用于图像的恢复方面；傅里叶描述子虽然具有较好的轮廓描述能力，但是对于细节太敏感，容易导致误识；而Hu矩具有平移、旋转和比例不变性。基于计算机视觉的手势识别算法研究一般有模板匹配法，神经网络法，支持向量机法等。支持向量机是基于结构风险最小化的一种新的模式方法，在解决小本、非线性及高维模式识别问题中具有许多特有的优势。

支持向量机(SVM分类器)作为一种可训练的机器学习方法。支持向量机(SVM分类器)方法是在近年来提出的一种新方法。支持向量机(SVM分类器)的主要思想可以概括为两点：⑴它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。

但是目前并不存在一种将嵌入式Linux、Hu矩和支持向量机相结合的能够提高手势识别的识别率的基于嵌入式Linux系统手势识别方法。

发明内容

针对上述问题，本发明的目的在于提供一种将嵌入式Linux、Hu矩和支持向量机相结合的能够提高手势识别的识别率的基于嵌入式Linux系统手势识别方法。

本发明提供的一种能够提高手势识别的识别率的基于嵌入式Linux系统手势识别方法，具有以下步骤：步骤一为通过在嵌入式核心板中进行u-boot移植、进行Linux系统裁剪与移植、进行根文件系统制作搭建嵌入式Linux系统；步骤二为通过图像采集部采集到至少一种手势的图片；步骤三为通过图像处理部将图片转换为灰度图像并对图片进行降噪和锐化处理形成预处理图片；步骤四为对预处理图片进行特征提取得到七个矩，将七个矩中的前四个矩作为特征参数，对于图像f(i,j)，其(p+q)阶中心距为

μpq=Σ(i,j∈R)Σ(i-i‾)p(j-j‾)q(i,j)]]>

归一化的中心矩为η_pq＝μ_pq/μ₀₀^r，其中r＝(p+q)/2+1

h₁＝η₂₀+η₀₂

h₂＝(η₂₀-η₀₂)²+4η₁₁²