您现在的位置是：首页 > 技术资料 > 基于改进最大类间方差法的手势分割方法研究

推荐星级：

基于改进最大类间方差法的手势分割方法研究

更新时间：2019-12-25 07:47:04 大小：862K 上传用户：zhiyao6 查看TA发布的资源 标签：手势分割 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

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

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

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

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

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

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

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

-1

其中

为灰度级出现的概率而

所示

对于每一类的平均灰度如式

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于改进最大类间方差法的手势分割方法研究

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页