[发明专利]一种动态手势识别方法

说明书

本发明提出了一种能够动识别动态手势的方法，该方法通过将人体骨骼节点信息与深度图像信息相结合的方法将手掌位置信息提取，并将手掌图像信息从背景中分离出来，采用SVM支持向量机算法对分割后的手势图像进行识别，最终通过手臂骨骼节点的运动序列，利用DTW动态时间规整算法进行动态手势最优匹配，所述方法能够实现动态手势的有效识别。

技术领域

本发明涉及智能识别技术，具体应用于交通运输中的手势识别领域。

背景技术

火车驾驶员手势识别是智能交通管理系统的重要组成部分，基于计算机视觉的手势识别属于非接触式的手势采集方式，该类方法设备成本较低，且能更好的满足人机交互所需的自然度和舒适度，是目前研究的一个热点。

动态手势相比于静态手势更具有直观方便的特性，更适应于灵活的人机交互应用，由于其种类多、特征复杂、变化快，因而导致动态手势识别的研究较为困难。现有技术中有对二值化的图像进行距离变换，以生成具有骨架抽取效果的手部区域图，连接中心点获得手部骨架，从而对手势进行识别分类，识别正确率几乎100％，但是该技术仅适应于单一背景下的手势检测，缺少对于复杂背景条件下的识别检测，也无法满足动态手势中手掌手指的精确识别。有些方法仅能够实现对左手手势和人体躯干的识别，缺少对手掌骨骼的识别。还有些方法是利用Kinect对手部算术(阿拉伯数字及运算符号)及石头剪刀布进行识别，通过深度阈值分割获得手部区域精确图像，并使用指地移动距离(FEMD)度量测量不同手型之间的差异性来进行识别分类，该方法最高识别率达到了93.9％。但是，在手势识别过程中，测试者手部佩戴的黑色腕带对识别结果将产生一定影响，未佩戴腕带情况下的识别准确度较低。

目前大多数方法都是针对普通场景下的静态通用手势识别，而对于某些特定场景下的动态专业手势识别效果不佳，无法对这些场景手势进行有效的判断和识别。

发明内容

基于以上问题，本发明提出一种动态手势识别的方法，具体可以为基于机器视觉的火车驾驶员动态手势识别方法，其采用Kinect获取人体骨骼节点信息，设定距离差阈值确定近似手掌节点位置，得到手势分割图像，接着采用支持向量机(SVM)进行手势识别和评价，并结合骨骼节点的运动序列，采用DTW(Dynamic Time Warping，动态时间归整)算法对火车驾驶员手臂动作进行识别检测，最终得到有效的手势信息。

本发明所提供一种手势识别方法，具体包括：步骤S1确定手掌节点位置，以手掌节点为圆心，手掌节点到手腕节点之间的距离r为半径的圆内对所有白色像素点的位置坐标求均值，以均值代表手掌节点的位置坐标因此手掌节点的(x_p,y_p)位置为：

式中，T表示圆内白色像素点的个数x_i表示第i个白色像素点的横坐标，y_i表示第i个白色像素点的纵坐标；

步骤S2在找出手掌节点的位置后，搜寻手势像素点，通过判断手掌节点和周围区域像素点到Kinect之间的距离差将手势分割出来；

当所述手势识别对象为手掌手势时，

采用SVM算法对分割后的手势图像进行识别并对手势规范性进行评价；SVM分类结果为测试手势与标准手势之间的置信度，可以作为手掌手势规范的评价标准，如公式所示：

式中，round(·)表示取整数，T为动态手势序列总帧数，表示SVM对第i帧的手势图像输出结果，手掌手势得分为整个序列手势得分的平均值。