[发明专利]一种基于多特征融合的手势检测方法

权利要求书

1.一种基于多特征融合的手势检测方法，其特征在于：包括手势分类器训练方法和手势检测方法；

所述手势分类器训练方法步骤如下：

首先、以不同光照和不同距离条件下的常见手势作为正样本，同时选取大量重复性低的室内外图片作为负样本，建立手势集；

其次，根据人手的每个组成部分的特殊性，选择HOG特征、方差特征和Haar特征三种特征融合的方法来训练分类器，通过特征值的计算、样本权重的初始化和调整、训练由多个弱分类器构成的Gentle Adaboost分类器，级联后组成手势分类器；

所述手势检测方法步骤如下：

首先，使用肤色预检模块对摄像头采集到的图像进行肤色预检，将疑似肤色的区域筛选出来；

其次，对被筛选出来的肤色区域使用滑动窗口法进行遍历，并对输入的图像进行等比例缩放后，使之依次进入手势分类器的各级强分类器，将通过前一级强分类器即被判定为手势的检测窗口被送入下一级强分类器，每一级强分类器由若干个弱分类器组成，每一级强分类器的所有弱分类器都会对该检测窗进行判断，并得出一个置信值，将所有弱分类器的置信值相加即为该级强分类器的判断值，将判断值与该级强分类器的阈值进行判断，如某个检测窗通过了所有强分类器的检测，则被认为含有手势，并将其在输入图像中用矩形框标定出来；

最后，对于多次反复被分类器判定为候选手势区域的重叠矩形区且域，根据设置的重叠面积阈值th对窗口进行合并，当两个矩形重叠面积大于th时丢弃小矩形保存大矩形，即可得到该幅图像的手势标定。

2.根据权利要求1的基于多特征融合的手势检测方法，其特征在于：所述手势集包括正样本图片、负样本图片以及测试集图片，正样本图片由手势图片与背景图片叠加而成，手势图片包含了手指并拢、手指张开和手指自然弯曲三种基本手势，并加入了适当的左右和前后倾斜，负样本图片包含大量室内和室外图片以及训练过程中产生的误检图片。

3.根据权利要求1的基于多特征融合的手势检测方法，其特征在于：在特征值的计算时，首先利用积分图得到矩形区域内的所有点值之和，再进行特征值的计算。

4.根据权利要求1的基于多特征融合的手势检测方法，其特征在于：所述Haar特征采用基本Haar特征以及模拟手型的三种扩展矩形特征。

5.根据权利要求1的基于多特征融合的手势检测方法，其特征在于：所述HOG特征的计算采用了查表的方法，在训练或检测前创建梯度幅值查询表和K值查询表，针对所有可能的取值情况，预先计算出幅值和K值并存储在两张表中，并以二维数组mag[511][511]和bin[511][511]的方式实现。

6.根据权利要求1的基于多特征融合的手势检测方法，其特征在于：所述方差特征通过下式计算：

σ2=Σj=yy+M-1Σi=xx+N-1(K[i][j])2M×N-(Σj=yy+M-1Σi=xx+N-1K[i][j]M×N)2]]>

其中表示窗口的灰度值总和，表示窗口的灰度值平方总和。