[发明专利]一种基于多特征融合的手势检测方法

摘要

本发明提供了一种基于多特征融合的手势检测方法，选择HOG特征、方差特征和Haar特征三种特征融合的方法来训练级联的Gentle Adaboost分类器，形成手势分类器；使用肤色预检模块对摄像头采集到的图像进行肤色预检，将疑似肤色的区域筛选出来；对被筛选出来的肤色区域使用滑动窗口法进行遍历，被认为含有手势的输入图像中用矩形框标定出来；对于多次反复被分类器判定为候选手势区域的重叠矩形区且域窗口进行合并，得到该幅图像的手势标定；选择HOG特征、方差特征和Haar特征三种特征融合的方法来训练分类器，并根据手的几种独特性使用多种特征值来衡量图像，以提高对人手的表征性能，从而提高检测系统的准确率。

主权项

一种基于多特征融合的手势检测方法，其特征在于：包括手势分类器训练方法和手势检测方法；所述手势分类器训练方法步骤如下：首先、以不同光照和不同距离条件下的常见手势作为正样本，同时选取大量重复性低的室内外图片作为负样本，建立手势集；其次，根据人手的每个组成部分的特殊性，选择HOG特征、方差特征和Haar特征三种特征融合的方法来训练分类器，通过特征值的计算、样本权重的初始化和调整、训练由多个弱分类器构成的Gentle Adaboost分类器，级联后组成手势分类器；所述手势检测方法步骤如下：首先，使用肤色预检模块对摄像头采集到的图像进行肤色预检，将疑似肤色的区域筛选出来；其次，对被筛选出来的肤色区域使用滑动窗口法进行遍历，并对输入的图像进行等比例缩放后，使之依次进入手势分类器的各级强分类器，将通过前一级强分类器即被判定为手势的检测窗口被送入下一级强分类器，每一级强分类器由若干个弱分类器组成，每一级强分类器的所有弱分类器都会对该检测窗进行判断，并得出一个置信值，将所有弱分类器的置信值相加即为该级强分类器的判断值，将判断值与该级强分类器的阈值进行判断，如某个检测窗通过了所有强分类器的检测，则被认为含有手势，并将其在输入图像中用矩形框标定出来；最后，对于多次反复被分类器判定为候选手势区域的重叠矩形区且域，根据设置的重叠面积阈值th对窗口进行合并，当两个矩形重叠面积大于th时丢弃小矩形保存大矩形，即可得到该幅图像的手势标定。