[发明专利]基于手势智能感知和人机协同机制的人机猜拳方法

说明书

本发明公开了一种基于手势智能感知和人机协同机制的人机猜拳方法。首先将Kinect获得图像序列经过分割、肤色建模提取出人手，然后通过提出的SCDDF识别算法提取手势特征，再与事先建立好的手势库中模板进行匹配，最终识别出用户手势。在此基础上，将虚拟界面运用到人机猜拳游戏中使用户可以更加方便自然地体验人机猜拳游戏的乐趣；结合人机猜拳游戏，本文还提出人机协同机制，使整个游戏更加顺畅自然；在手势识别方面，本文融合DDF算法和性状上下文特征描述子算法，提出SCDDF算法，经实验验证，新的识别算法较之前的DDF算法识别正确率提高了10.8％。

技术领域

本发明涉及一种基于手势智能感知和人机协同机制的人机猜拳方法。

背景技术

石头、剪刀、布”起源于中国，然后传到日本，韩国等地，随着亚欧贸易的不断发展它传到了欧洲，到了近现代逐渐风靡世界。在中国，大江南北的小孩儿都是玩着“石头、剪子、布”的游戏长大的。

通过手势的人机交互是与机器沟通的最直观的方式之一,实时手势检测也毫无疑问是最近科学界的一个热点。无论在哪一款人机交互的应用中，手势识别都是至关重要的，现在几种国内外手势识别以及结合手势识别的基于体感设备的发展现状与趋势：

首先，Kinect是近几年火爆流行的一种3D体感摄像机，它能够及时的捕捉动态图像，并且能够获取图像的深度信息。体感设别Kinect的应用，使得游戏不再单纯的只是为了娱乐，而更加被赋予了更多的功能，比如让学生学会用肢体语言来学习，开启了一个新的教育时代。很多老年人对于目前触摸屏，键盘的使用学习使用很是费劲，而Kinect可以使得老年人也能玩体验一把现代游戏的同时，通过肢体的活动进行锻炼等等。

早期的手势识别研究主要采用彩色摄像头来捕获手势数据，有一种基于手形轮廓特征进行手势识别的方法，但是该算法计算量比较大，不适合实时的手势识别应用。还有一种利用神经网络进行手势识别的方法，该方法通过边缘检测提取样本几何矩特征和轮廓特征，然后利用神经网络对手势进行识别，但是该方法对静态手势的识别较低。还有一种基于微软的深度摄像设备传感器且能实时的识别人体动态手势的系统框架，但这种方法只能由简单的动态手势产生的轨迹来识别简单的手势，对于具体手势识别率很低。还有一种复杂背景下利用空间分布特征对手势进行识别的方法。但是彩色图像容易受到光照变化以及复杂背景的影响，而深度图像可以有效的克服光照以及复杂背景的影响。

但以上的识别方法或者基于Kinect的应用可能都或多或少存在着这样的问题：识别率不够高，不是实时的识别，或者没有人机协同机制，或者是对于无意义的手势的干扰没有有效的解决方案。

发明内容

为解决以上技术上的不足，本发明提供了一种识别效率高，有效解决无意义手势干扰的基于手势智能感知和人机协同机制的人机猜拳方法。

本发明是通过以下措施实现的：

本发明的一种基于手势智能感知和人机协同机制的人机猜拳方法，包括以下步骤：

步骤a，计算机随机播放三种出拳手势动画，用户位于计算机的手势可识别范围内；

步骤b，用户将手抬起并做出出拳手势，计算机以人手为中心在其周围自动构建一个虚拟界面，当人手处在虚拟界面内时，确定该手势有效，计算机检测到有效手势的同时，计算机停止播放动画并且随机弹出三种手势动画的一种；

步骤c，计算机对手势进行识别，手势识别的结果与计算机随机出拳结果进行胜负判定。

在步骤b中，构建虚拟界面后通过判断操作者身体重心是否移动来确定虚拟界面是否需要移动刷新，包括以下步骤：

步骤1：通过Kinect获取人手在三维空间内的坐标，连续记录5帧人手的三维坐标，判断是否相对静止，若静止记录人手重心点坐标P，进行步骤2，否则继续判断；