[发明专利]面向智能家居场景的手势识别方法

说明书

面向智能家居场景的手势识别方法，包括如下步骤：S1、对初始图像进行预处理；S2、将预处理后的图像从RGB颜色空间转化为HSV颜色空间，转化后的图像中的每个像素与肤色阈值进行比较，获取掩码图；利用矩形拟合掩码图，截取矩形部分，获取手势图像；S3、分离手势图像的红、绿、蓝三色通道图像，将手势图像分成9个单元，计算各单元中每个像素的LBP值，对每个单元的LBP值进行归一化，统计每个单元的LBP分布直方图，再串联成一个图像LBP分布直方图，获取图像的LBP特征；S4、通过SVM对LBP特征进行训练，获取手势模型；本发明将图像转化为HSV颜色空间进行手势图像分割，再利用矩形框拟合掩码图，提取手势的LBP特征，训练手势模型，可以快速准确的定位和识别图像中手势。

技术领域

本发明属于智能识别技术领域，具体涉及一种面向智能家居场景的手势识别方法。

背景技术

手势识别是指在图像中获取人物的手势图像，从手势图像中提取特征，通过对识别提取的特征获取手势的含义。在家居场景下可以通过识别用户手势，达到控制家居电气设备的效果。用户使用简单的手势就能控制电视、空调、灯光等设备的运行。

据申请人了解，当今市场上，具有手势识别功能的智能家居设备较为少见，大多手势识别产品只能识别肢体动作，无法对手势进行识别，且识别效果并不理想，同时，这些产品过于依赖联网云端服务器，在没有网络的情况下无法进行工作，无法对多种电气设备进行有效控制。

本发明中的SVM指的是支持向量机，是常见的一种判别方法。在机器学习领域，通常用来进行模式识别、分类以及回归分析。SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。简单地说，就是升维和线性化.升维，就是把样本向高维空间做映射。但是作为分类、回归等问题来说，很可能在低维样本空间无法线性处理的样本集，在高维特征空间中却可以通过一个线性超平面实现线性划分(或回归)。

常用的核函数有以下4种：

线性核函数K(x,y)＝x·y；

多项式核函数K(x,y)＝[(x·y)+1]^d；

径向基函数K(x,y)＝exp(-|x-y|^2/d^2)；

二层神经网络核函数K(x,y)＝tanh(a(x·y)+b)；

发明内容

本发明的目的在于：提供一种面向智能家居场景的手势识别方法，通过将图像转化为HSV颜色空间进行手势图像分割，再利用矩形框拟合掩码图，提取手势的LBP特征，训练手势模型，可以快速准确的定位和识别图像中手势。

为了达到以上目的，提供一种面向智能家居场景的手势识别方法，包括如下步骤：

S1、使用gammma校正法对初始图像进行颜色空间标准化，再通过高斯滤波处理获取预处理后的图像；

S2、将预处理后的图像从RGB颜色空间转化为HSV颜色空间，转化后的图像中的每个像素与肤色阈值进行比较，获取掩码图；利用矩形拟合掩码图，获取矩形的中心位置坐标、长度和宽度，截取矩形部分，获取手势图像,并调整大小为64×64；

S3、分离手势图像的红色通道图像、绿色通道图像、蓝色通道图像，将分离后的手势图像分成9个单元，计算各单元中每个像素的LBP值，对每个单元的LBP值进行归一化，统计每个单元的LBP分布直方图，将9个单元的LBP分布直方图串联为一个图像LBP分布直方图，即为图像的LBP特征；

S4、通过SVM对LBP特征进行训练，获取手势模型。