[发明专利]一种应用于助老助残移动服务机器人控制的手势识别方法

说明书

本发明提供一种应用于助老助残移动服务机器人控制的手势识别方法，将静态手势识别与动态手势识别相结合，能排除手势分割时由于复杂背景、大面积肤色或遮挡造成的干扰，具有自然友好的人机交互方式，运用到基于手势识别的移动服务机器人交互系统中可以快速准确识别出手势指令并安全地控制轮椅，增大用户的活动范围，有效地改善其生活质量。

技术领域

本发明涉及人机控制技术领域，具体涉及一种应用于助老助残移动服务机器人控制并可将静态手势与动态手势相结合的识别方法。

背景技术

近几年来，手势识别系统的发展大大增加了研究者的兴趣，特别是运用到帮助老年人和那些由于先天残疾或者后天各种灾难和疾病造成的残障人士的辅助系统，轮椅就是其中应用较广的一种辅助运动系统。目前工程师和开发人员可以通过提供像操纵杆这样一个友好的用户界面来控制电动轮椅，随着交互方式手段的多样化的发展，也可以提供一种更新颖的、更直观的方式来操作。

助老助残移动服务机器人是以轮椅为基础运用手势识别的控制系统，在设计中既要提高其自主性，也要在考虑用户自身特点和环境因素下有效弥补用户的身体缺陷并排除外界因素的干扰。如果环境比较嘈杂，那么语音识别的效果就会比较差；如果是在公共场合用户不想打扰他人的情况下，通过手势识别来控制轮椅就显得更加人性化。因此用户可以利用手势获取控制信号，将手势指令转化为驱动指令，比起其他控制轮椅运动的方式更具优势。

从事手势识别研究的人员和机构有很多，方法也不尽相同。中国科学院自动化研究所的鲁涛通过手部加速度传感器的检测将训练的手势模型结合贝叶斯算法识别出手势指令来控制轮椅；瑞士的Uebersax采用三种不同的分类方法来标签手语字母：一种基于平均邻域边界最大化(Average Neighborhood Margin Maximization,简称ANMM)，一种基于被观察的手势与假设的模型之间的像素深度差异，以及一种基于被估计的手势运动，然后对字母置信度加权求和来得到手势识别出的单词；土耳其的Keskin通过改善利用官方的Kinect SDK和Xbox360对手势的高鲁棒性位姿估计方法提取骨架关节作为识别用手语表示的十位数集合的特征；日本产业技术综合研究所的桥本运用基于图像块分类稀疏表示(SRC)的手势识别算法来实时控制轮椅的运行。

手势识别根据手部的不同特征可以分为动态手势识别和静态手势识别。静态手势识别不涉及图像的时空序列的研究，主要以手的姿势和形状作为识别对象，因此在应用上具有局限性，只能用于相对简单的场合。而单纯利用手部轨迹做动态手势其识别方式也有限。

发明内容

本发明旨在针对现有智能移动服务机器人中，手势识别只能用于简单环境，在复杂环境中识别手势效果差，手势方式单一，并且不利于用户操作，很难在实际生活中应用等技术问题，提出一种应用于助老助残移动服务机器人控制的手势识别方法，可将静态手势与动态手势相结合进行识别。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，本发明提出一种应用于助老助残移动服务机器人控制的手势识别方法，包括以下步骤：

S1：获取Kinect静态手势的深度图像并使用骨骼追踪方法获取手掌心坐标S0，同时以掌心坐标S0为中心截出一块包含手掌图像的正方形区域；

S2：采取自适应邻近值法对所述正方形区域所在的深度图像进行分割，以取得精确的手掌轮廓，然后对手掌轮廓进行图像形态学处理以降低手掌轮廓的细节；

S3：对形态学处理过后的手掌轮廓进行椭圆拟合，以椭圆圆心为手掌轮廓的几何中心S1，建立圆周序列曲线，求出圆周序列曲线上的所有极大值和极小值，并使用一个极大值和左右各一个极小值构成极值点对；