[发明专利]基于深度图像的利用MeanShift算法进行手部区域分割的方法

权利要求书

1.基于深度图像的利用MeanShift算法进行手部区域分割的方法，其特征在于，包括以下步骤：

步骤S10，读取深度图像；

步骤S20，对深度图像进行预处理并初步提取包含冗余轮廓的手部区域；

步骤S30，在初步提取得到的手部区域中选取初始迭代点并计算迭代半径；

步骤S40，利用MeanShift算法对初始迭代点和迭代半径进行迭代运算，获取最接近手掌区域的圆形区域；

步骤S50，根据获取到的最接近手掌区域的圆形区域将初步提取到的手部区域上的冗余轮廓剔除，更新得到精确的手部区域轮廓。

2.如权利要求1所述的基于深度图像的利用MeanShift算法进行手部区域分割的方法，其特征在于，在所述步骤S20中，所述对深度图像进行预处理是指利用深度图像预处理模块对深度图像进行深度切割、图形学滤波并计算最大连通区域。

3.如权利要求2所述的基于深度图像的利用MeanShift算法进行手部区域分割的方法，其特征在于，所述利用深度图像预处理模块对深度图像进行深度切割、图形学滤波并计算最大连通区域，包括以下步骤：

步骤S21，利用深度图像预处理模块对深度图像进行深度切割，并根据深度阈值提取包含冗余轮廓的手部区域，并将提取到的手部区域映射成二值图像，其中手部区域为白色，背景区域为黑色；

步骤S22，利用图形学对二值图像进行运算，先做开运算，平滑二值图像的轮廓并去除二值图像的背景噪声，再做闭运算，填充二值图像内的细小孔洞；

步骤S23，在经过图形学运算后的二值图像上寻找最大面积轮廓，并认为该轮廓为包含冗余轮廓的手部区域轮廓，同时填补该轮廓内的孔洞。

4.如权利要求3所述的基于深度图像的利用MeanShift算法进行手部区域分割的方法，其特征在于，在所述步骤S30中，所述在初步提取得到的手部区域中选取初始迭代点并计算迭代半径，包括以下步骤：

步骤S31，将初步提取到的手部区域以多边形表示，并修复含有内环的多边形情况；

步骤S32，计算多边形的最小外接矩形，并与图像边界进行比较，根据两者的重合边数情况进行如下分类讨论：

(1)若重合边数大于或等于3，则表明手离镜头过近，图像无法显示完整的手部区域，算法终止；

(2)若重合边数为2且重合的两条边是平行边，则表明手横向或纵向贯穿镜头，图像无法显示完整的手部区域，算法终止；

(3)若重合边数为0，则表明没有手臂部分轮廓与图像边界相交，冗余轮廓不存在，此时返回的初始迭代点为手部区域的质心，初始迭代半径根据实际手掌经验值选取；

(4)若重合边数为1或重合边数为2且重合的两条边是相交边，则进入步骤S33；

步骤S33，在多边形的最小外接矩形的四个顶点中，计算距离多边形最近的顶点，且要保证该顶点是有效的且使得该顶点不与图像边界相交，再计算得到该顶点在多边形上的投影点，即该顶点距离多边形 最近的点；

步骤S34，取投影点与多边形质心的连线中点作为初始迭代点，连线长度的一半作为初始迭代半径，若初始迭代点在多边形外部，则取该点在多边形上的投影点作为新的初始迭代点。