[发明专利]基于测地线距离算法和形态学识别的快速手指分割方法

说明书

技术领域：

本发明涉及一种手势处理方法，特别是涉及一种基于测地线距离算法和形态学识别的快速手指分割方法。

背景技术：

随着VR、AR等新技术的兴起，基于用户体验的研究成为各行各业保证客户关系的方法之一，在人机交互的用户体验三维动画建模中，要求基于视觉的手势识别技术高精确度和高效性。指尖的检测和提取是一种常用的、技术常见的解决方法。传统的二维图像基于肤色的手势识别受背景和光照等环境因素影响严重并且不能解决大部分手指遮挡的问题。而近年兴起的基于Kinect的深度信息进行手势识别的研究可以改善这种状况，但这种方法计算量大，不能达到很好的实时性。

发明内容：

本发明所要解决的技术问题是：克服现有技术的不足，提供一种高效迅速、成功率高且能够达到实时分割效果的基于测地线距离算法和形态学识别的快速手指分割方法。

本发明的技术方案是：

1、一种基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：采用手势的深度图像作为输入，运用深度和主方向上的阈值分割进行手部分割；而对于运动模糊和传感器噪声，用中值滤波和形态学闭运算进行噪点的滤波和平滑；在进行预处理后，将图像二值化，对于平面指尖采用二值化后的图像固定区域内的测地线距离极值来寻找潜在指尖点；最后通过形态学的特征判断分辨真实指尖，并将符合特征的区域标为手指像素，完成手指分割。

2、根据权利要求1所述的基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：手部分割的步骤是:从离摄像机最近的一点a开始，将实验得到的手部最大像素深度β作为分割阈值,与a点像素差大于β的像素值都赋为0；这样的操作基于一个假设：手是离摄像机最近的物体，这样的假设也经常用于手势识别，而经过这样的操作后，仍然有可能留下手臂像素，把剩下的像素当作是三维空间中的点云来进一步分析其特点；用主成分分析PCA算法计算出剩下点云的主方向，再从a点出发沿主方向分割出一个手的长度β，这样就可以完成大部分非手部像素的去除了；把这样处理过后的图像称作手部图像。

3、根据权利要求1所述的基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：由于深度图像的特性，手指图像会显示出凸起的特征，采用了一个较为快速的检测算法来得到潜在指尖：指尖的特点是在二维平面上的人体端点，根据基于测地线距离极值点筛选人体端点的检测算法可以得到潜在的指尖像素，利用了改进的双扫描euclidean distance transform算法，来求得手部图像所有像素点到极值点集合的测地线距离，并用递归的方式来不断扩充极值点集合，从而识别出潜在指尖点。

4、根据权利要求3所述的基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：算法步骤如下：

（1）将分割处的手部图像进行二值化，并做先膨胀后腐蚀操作得到一个联通域；

（2）采用distance transform 算法得到手部的大致骨骼图，并将极值点作为形态学中心，这个形态学中心即是初始的极值点集合；

（3）用geodesic distance transform算法计算手部像素点到极值点集合的测地线距离，得到一张测地线距离图；

（4）将测地线距离图中测地线距离最大的点作为新的极值点，并把这个点加入到极值点集合中；

（5）重复上述（3）（4）步骤，不断更新测地线距离图；

经过这个处理，已经可以找到大部分的潜在指尖点了，为了达到高效简便，取检测出来的前七个作为待筛选的指尖点。

5、根据权利要求1所述的基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：识别真实指尖并分割手指像素：真实手指的特征是瘦长，故利用限制指尖附近像素的长宽比来进行判断；对手部图像进行二值化后，分别以各个指尖点为指定点集，同样可以用geodesic distance transform 算法得到各个潜在指尖的测地线距离图，然后经过限制距离最大值得到属于这根潜在手指的像素，并可以改变这个阈值而使手指像素得到“生长”；在这个生长的过程中，不断估计这段像素的长、宽和长宽比，并将其与一般手指的相应参数进行比较，即可判断这一段像素是否是真实手指。

6、根据权利要求5所述的基于测地线距离算法和形态学识别的快速手指分割方法，其特征是：关于长和宽的估计按如下方法计算：