[发明专利]一种基于局部图像差异分析的手部饰品检测方法

说明书

本文提出了一种基于局部图像差异分析的手部饰品检测方法。本文使用的前景提取方法是区域生长技术，利用种子同质扩散的方式进行手部提取，随后对已经提取到的手部进行基于手腕的完整性验证，如果完整则进行局部差异分析，如果不完整则重新提取手部。局部差异分析主要通过对已有的LBP纹理提取算子进行针对手部适应性改进为DLBP算法，提取手部纹理特征，分别使用传统纹理直接对比与机器学习分类两种方法进行比较，得到更适合检测手部饰品的方法。

技术领域

本发明主要涉及图像处理技术，具体涉及一种基于局部图像差异分析的手部饰品检测方法。

背景技术

近些年来，随着“智慧城市”“智慧厨房”等概念层出不穷，一方面反映了人们对科技进步的需求更胜从前；另一方面，关于手部的研究也随之有了新的发展进程。如今，智慧厨房的建设也是一个热点，缘由在于人们迫切的想要将最新的技术融入到自己的日常生活中，希望自己的生活“高科技”。智慧厨房的设计概念及物化实施过程中包含五个原则，分别是厨房设施智能化、操作人性化、低碳化、交流平台开放化、餐厨一体化。而关于设施智能化最为重要的设施可能就是晨检仪了，晨检仪就是检测厨师手部是否合格的智能设备，将手部内容的检测算法与晨检仪结合在一起才能实现其目的。但是纵观国内外，对于手部的研究无非就是手势的识别与关键点的检测，而对于我们手部内容的研究少之又少。因此在这种相对比较窘迫的情势下，手部彩色图像内容检测技术就显得意义重大。

手部内容检测一个重要的部分是对手部佩戴饰品的检测，戒指、手镯、手表，无论是男士还是女士，手饰的佩戴是非常常见的情况。要实现对于手部饰品的检测，饰品可大可小，质地差异可同可异，因此可以使用差异分析的方式来进行检测，而饰品是否可以检测到，最重要的一步是要提取到准确且完整的手部，这个直接影响到饰品的完整跟检测。

起初对于手部方面的研究是比较欠缺的，所以很多研究是参照脸部研究的，于是比较早的提取人手的算法是基于肤色的方法，将图像的颜色空间从RGB转换到YCrCb，然后进行Cr、Cb范围的肤色过滤；同期还有学者提出一种在肤色前提下基于手掌定位的手部自动检测算法，引入了多边形的概念；依靠肤色往往提取的不够准确，因此后期有人提出基于手部比较明显的关节特征，手腕，来进行局部最小值检测手腕位置进行手部定位从而将手部提取，并加入了手部的验证算法，使其更加完整与合理。

发明内容

本发明的目的在于提出一种基于局部图像差异分析的手部饰品检测方法，以达到在复杂背景下的手部图像可以检测到是否有饰品存在。在该发明中，这个实现过程都是由计算机自动完成的，用户只需要输入目标图像，就可让计算机自动分析，便可以获得是否有饰品的结果。

本发明的技术方案如下：

步骤S1，使用区域生长技术对原图像进行手部提取，获得手部提取图。

区域生长技术在该方法中也称作皮肤种子技术，主要是以皮肤像素为种子来得到手部区域并进行提取。

步骤S2，对步骤S1获得的手部提取图进行完整性验证，如果手部完整就进入下一个步骤，如果不完整就返回步骤S1重新进行手部提取。

完整性验证技术实质上仍然是一次手部提取，主要是基于手腕定位的手部提取并验证。

步骤S3，对步骤S2得到的完整手部进行局部图像差异分析，使用基于LBP算子改进的DLBP算子对图像进行纹理特征提取，得到手部的DLBP纹理图。

LBP算子是最基本的图像纹理提取算法，但是并不是正好适合于所有的纹理提取，基于本数据集的特点将其改进并命名为DLBP算子，来达到更好的效果。

步骤S4，对步骤S3得到的手部纹理图进行传统方法与机器学习两种方式的手部是否有饰品的判断，并进行比较，结果为机器学习的效果更好。