[发明专利]一种基于区域生长和机器学习的手部分割方法

权利要求书

1.一种手部分割方法，包括如下步骤：

步骤S110：采集场景的深度图，并确定深度图的有效范围；

步骤S120：将有效范围内的像素按照深度值排序；

步骤S130：从排序后的像素中选取种子点并开始生长；

步骤S140：判断生长区域的面积大小，若面积过小则重新选取种子点，并返回步骤S130重新进行区域生长，若面积满足要求则进入步骤S150；

步骤S150：按照生长区域的像素索引过滤深度图，生成只含生长区域的生长区域深度图；

步骤S160：对步骤S150获得的生长区域深度图实时进行分类，以确定所述生长区域是否为手部区域；

步骤S170：对确定为手部区域的深度图提取质心并计算其轮廓，从质心为初值、轮廓点为数据源采用mean-shift算法搜索最优手心位置。

2.如权利要求1所述的手部分割方法，其特征在于：所述步骤S110中，所述有效范围包括深度的最近阈值和最远阈值，所述最近阈值和所述最远阈值根据历史手部分割识别的结果来确定。

3.如权利要求2所述的手部分割方法，其特征在于：根据前次手部分割识别的结果确定出手部区域对应的最大深度和最小深度，在所述最大深度的基础上加上一个裕度作为所述最远阈值，在所述最小深度的基础上减去一个裕度作为所述最远阈值。

4.如权利要求2所述的手部分割方法，其特征在于：根据历史手部分割识别的结果确定出手部区域出现过的最大深度和最小深度分别作为所述最远阈值和所述最近阈值。

5.如权利要求1所述的手部分割方法，其特征在于：所述步骤S130中，所述生长需要满足如下3个约束条件：

1)待定点和当前生长点的深度之差小于第一阈值，

2)待定点和种子点的深度之差小于第二阈值，

3)待定点和种子点的三维距离之差小于第三阈值，

当同时满足3个约束条件时，记录该待定点的像素索引为生长点，否则记录该待定点的像素索引为非生长点，遍历所有的生长点，当所有的生长点的生长邻域内不再有待定点时，生长停止。

6.如权利要求1所述的手部分割方法，其特征在于：所述步骤S130中，所述生长的生长邻域为在八邻域的基础上增加外圈的四角邻域和外圈四边中点邻域的十六邻域。

7.一种手部分割分类器的训练方法，包括如下步骤：

步骤S210：根据如权利要求1-6中任一项所述的手部分割方法，采集大量生长区域的深度图作为训练数据集；

步骤S220：人工标记训练数据集的label；

步骤S230：提取所有训练数据集的特征，把这些特征组合成特征向量矩阵；

步骤S240：利用获得的特征向量矩阵和人工标记的所述label训练二分类器。

8.如权利要求7所述的一种手部分割分类器的训练方法，其特征在于：所述步骤S230中，所述特征包括PCA计算特征值、轮廓面积、轮廓长度、凸包面积和包围盒面积之一。