推荐星级：
- 1
- 2
- 3
- 4
- 5
基于改进最大类间方差法的手势分割方法研究
资料介绍
针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.
部分文件列表
| 文件名 | 大小 |
| 基于改进最大类间方差法的手势分割方法研究.pdf | 862K |
部分页面预览
（完整内容请下载后查看）第 43 卷 第 4 期
2017 年 4 月
自
动
化
学
报
Vol. 43, No. 4
April, 2017
ACTA AUTOMATICA SINICA
基于改进最大类间方差法的手势分割方法研究
邢永跃 1
李 擎 1
唐 欢 1
迟健男 1
李华通 1
摘
要
针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题, 提出了一种基于改进最大类间方差法的
手势分割方法. 首先建立手势图像的二维灰度直方图, 在二维灰度直方图上确定噪声点位置, 在原图的相应区域滤除噪声. 然
后重建二维灰度直方图将内点区的点集投影到 45 度线, 得到投影灰度直方图. 接下来在灰度投影直方图上采用全局 Otsu 确
定局部 Otsu 的左边界, 用高斯函数拟合得到局部 Otsu 右边界, 最后采用局部 Otsu 分割手势. 该方法可以有效地对手势图像
进行精确分割, 实验结果验证了本文算法的有效性.
关键词 手势分割, 改进最大类间方差法, 二维灰度直方图, 投影灰度直方图
引用格式 李擎, 唐欢, 迟健男, 邢永跃, 李华通. 基于改进最大类间方差法的手势分割方法研究. 自动化学报, 2017, 43(4):
528−537
DOI 10.16383/j.aas.2017.c150862
Gesture Segmentation with Improved Maximum Between-cluster
Variance Algorithm
LI Qing1
TANG Huan1
CHI Jian-Nan1
XING Yong-Yue1
LI Hua-Tong1
Abstract In this paper, in order to solve the problem of ambiguity or unclear boundary caused by noise and interference
in gesture imaging, a gesture segmentation method based on the improved maximum between-cluster variance algorithm
is proposed. Firstly, a two-dimensional gray histogram of gesture image is generated, and positions of noise points are
determined on the two-dimensional gray histogram. After filtering noise in the corresponding region of the gesture image,
a two-dimensional gray histogram is reconstructed. The point set of the inner point area are projected to the 45 degrees
line to generate the gray projection histogram. Then, the global Otsu is used to determine the left boundary of the local
Otsu and Gauss function is used to get the right boundary of the local Otsu in the projection gray histogram. Finally,
the local Otsu is used to segment the gesture image. This method can effectively segment the gesture image accurately.
Experimental results have verified the effectiveness of the proposed algorithm.
Key words Gesture segment, improved Otsu, two-dimensional gray histogram, projection gray histogram
Citation Li Qing, Tang Huan, Chi Jian-Nan, Xing Yong-Yue, Li Hua-Tong. Gesture segmentation with improved
maximum between-cluster variance algorithm. Acta Automatica Sinica, 2017, 43(4): 528−537
据统计 人类之间
的信息是通过肢体语言
进行聚类分析 确定手势动作的含义 无论是动态还
是静态手势识别 手势识别前需要首先对手势进行
分割 提取手势识别所需要的手部特征和运动信息
因此 手势分割是手势识别的前端和基础 手势分割
的效果直接影响手势识别的可靠性和精度
或面部表情传递的 肢体语言比自然语言更能表达
人的意图 因此 手势是人们与外界交流沟通时最自
然和直观的交流方式之一 近年来 基于机器视觉的
手势识别技术作为一种重要的自然人机交互手段而
受到众多研究人员的关注 基于机器视觉的手势识
别可以分为静态手势识别和动态手势识别 静态手
势识别通过人手图像提取手势特征去识别手势所具
有的含义 动态手势识别则通过人手运动的视频图
像 在序列图像中提取人手的动态特征 在此基础上
目前的手势分割方法大致可以分为如下几类
基于肤色特征的分割方法 肤色是人手的天然特
征 如文献
合降噪算法实现了在背景复杂的视频序列中的手势
分割 文献 提出用手势的肤色特性和光照条件
采用肤色检测与背景差分的方法 结
分三个阶段 颜色空间的转化、降噪、将手和阴影
的像素平均值作为自动阈值 实现了实时的手势检
收稿日期 2015-12-23 录用日期 2016-04-01
Manuscript received December 23, 2015; accepted April 1, 2016
北京市自然科学基金 (4122050) 资助
测与分割 文献
提出了一种对手的外观和光照
条件具有鲁棒性的手势分割算法 通过在彩色空间
中手像素分布的方法中设计一个距离度量的学习
Supported by Natural Science Foundation of Beijing (4122050)
本文责任编委 贺威
Recommended by Associate Editor HE Wei
1. 北京科技大学自动化学院 北京 100083
1. School of Automation and Electrical Engineering, University
of Science and Technology Beijing, Beijing 100083
提高了分割的效果 文献
针对传统肤色分割的
不足 提出先用改进的卡尔曼滤波先来预判手的位
4 期
李擎等: 基于改进最大类间方差法的手势分割方法研究
529
置 其次用
肤色模型
注三维手势分割等问题 而对如何消除手势成像中
的干扰 以及手势目标在边界模糊等情况下的精确
手势分割等问题则研究不多 同时关注在全局图像
中检测和定位手势 而无法解决手势定位后的精确
分割问题
最后用形态学处理的方法进行手势分割 文献
于手势的肤色特征 将 颜色空间中的
分量映射到平面生成肤色聚集区 提出了一种自由
形式的肤色模型应用于复杂背景的手势分割
于运动分析的分割方法 运动分析一般用于动态手
势的分割 如文献 通过融合肤色的信息和手势的
运动特性 同时运用形态学的处理 实现了单目视觉
的手势分割 文献 提出用正态分布中的 原则
基
基
结合连续视频的背景差分减弱背景变化的影响 然
后用最大类间方差法选择阈值来进行手势分割 文
献
提出了基于模型的实时人机交互的手势分割
分三个阶段 运动分析、模型跟踪、模型匹配 提取
手势模型 实现了复杂背景下的手势分割 文献
提出了在基于隐藏条件随机场的分区矩阵的方法进
图 1 待精确分割的手势图像
行手势运动轨迹的评估 实现了
移动手势的选取 基于深度图像传感器的手势
分割 等三维体感传感器的出现为手势分割
提供了新的方法和途径 如文献 提出将遗传算
法用于评价深度图像和 图像的关键点 对提
取的特征点的数量具有鲁棒性 并将其用于手势分
～
个人的随机
Fig. 1 Gesture images to be segmented accurately
本文的研究工作在于提出了一种改进的最大类
间方差法来解决手势定位后的手势精确分割问题
该方法是针对
的
图像在前景
和背景分离过程中手势图像边界模糊而提出的 但
具有通用性 也适用于其他类图像的相似问题的解
决 通常情况下 阈值分割回归于本质还是调整阈值
到最优 而本文提出的手势分割方法优势在于
在目标手势初步背景分离后 建立二维直方图定位
噪声 滤噪 八邻域点的灰度均值代替噪声点 越界
割 文献
提出将改进的基于贝叶斯网络的
算法用于提取彩色和
深度数据 结合遗传算法来进行手势分割
除了
上述几类 还包括一些其他的手势分割方法 如文献
用运动轮廓做椭圆拟合的方法从历史图像中筛
选出手势区域 能够更好地适应不同的光照环境 文
则取八邻域的部分点 减弱了噪声的影响
二维直方图后进行投影降维能够提高效率
结合高斯拟合的处理定位局部
重建
全局
献
提出使用高斯多尺度聚集策略及其在时间上
的优越特性去在移动设备上进行无背景约束情况下
的手势分割
的阈值边
界能够使阈值达到真正意义上的最优
总之 由于手势分割是手势识别的重要组成部
分 有着较长的研究历史 也提出了很多分割方法
其中基于肤色的分割方法应用于静态的手势分割
较为广泛 而基于运动分析的分割方法则主要应用
于动态的手势分割 本文的研究内容是多点触摸
与手势识别人机交互系统中的一部分 研究平台集
成了光感应式多点触摸装置、平台式多点触摸装
1 最大类间方差法[14]
对一幅灰度图像进行阈值分割时 需要通过一
个灰度级 假定为 去进行类别的区分 假定这
幅灰度图像的灰度级分为
· · ·
代表背景 则
-
-
再令
代表前景
表示灰
0
1
0
置、
传感器等设备 构成了综合手势识别的
度级为
· · ·
的像素点
表示灰度级为
1
研究平台 对手势检测 触点检测 、手势跟踪 触点
跟踪 、手势识别 触摸手势识别 等内容进行深入
研究 在各类传感器的手势分割检测中 精确的手势
· · ·
-
的像素点 对于每一类出现的概
率如式
所示
分割都是不可回避的问题 例如 在运用
的
0
1
0
1
图像传感器进行手势分割时 手势目标
的边界会由于噪声的影响和成像干扰而模糊、不清
或残缺 如图 所示 从而影响手势分割的精度 而
前文综述的各种手势检测方法 多数手势分割方法
一般都关注如何在复杂的背景下或者光照变化下的
手势定位与检测或如何将运动手势分割出来 或关
=0
-1
-
=
+1
其中
为灰度级 出现的概率 而
所示
0
1
对于每一类的平均灰度如式
全部评论(0)