一種基于雜亂背景中的手勢跟蹤方法
【技術領域】
[0001] 本發明屬于計算機視覺W及人機交互領域，適用于對具有多變性的手勢的跟蹤， 尤其是指利用分割技術進行手勢進行跟蹤的手勢跟蹤方法。
【背景技術】
[0002] 手勢識別技術按照實現途徑可分為基于數據手套的的手勢識別和基于計算機視 覺的手勢識別兩大類。手勢跟蹤是動態手勢識別流程當中十分重要的一環，跟蹤的速度和 精度的好壞直接影響到動態手勢的識別。當前的手勢跟蹤方法多種多樣，例如背景減法，基 于模板的跟蹤，卡爾曼濾波，基于內核的跟蹤等。但是它們中的大部分都是用來跟蹤形狀已 知的剛性物體的，而對于跟蹤手該種靈活多變的物體顯然存在很多不足。盡管最近又出現 了幾種比較受歡迎的物體跟蹤方法，比如adaptivetracking-b廠detection(自適應的根 據檢測進行跟蹤）方法，但是它仍然沒有改進對手等該類易變物體的檢測劣勢。除此之外， 手勢跟蹤方法中常用的化T(Kanade-Lucase-Tomasi，卡耐德-盧卡斯-托馬斯）方法可W 從未加標識點的正面視頻系列中通過特征紋理信息直接獲取某些特征點的位移，大大提高 了圖像特征精確度，并具有較好的魯椿性，美中不足的是該種方法受光照和背景的影響特 別大。
【發明內容】
[0003] 本發明的目的在于克服現有手勢跟蹤技術的缺陷，使手勢的跟蹤更加精確，采用 一種基于直方圖的圖像分割方法來提高手勢跟蹤的速度。
[0004] 為了實現上述技術目的，本發明提供的技術方案是一種基于雜亂背景中的手勢跟 蹤方法，其步驟如下；直方圖分割；在LUV色彩空間中對每一帖圖像進行直方圖分割，并將 分割后圖像劃分為不同標簽的區域；圖像預處理；將分割的不同區域按照膚色的可能性大 小排序，并依次送進分類器中檢測手勢區域；手勢跟蹤；通過計算當前帖的不同區域同前 面帖中手勢區域的距離大小W及對應的每個區域中的運動像素點的個數，確定當前帖的手 勢區域，并記錄手勢信息。所述分類器為級聯Ad油oost分類器。
[0005] 所述直方圖分割步驟中，首先需將RGB顏色空間轉換為LUV色彩空間。
[0006] 所述直方圖分割步驟中，將LUV色彩空間區域離散化并建立直方圖進行初始密度 估計、最終密度估計，根據最終密度估計進行直方圖空間聚類，將LUV色彩空間域聚類轉化 為圖像空間域聚類完成圖像區域分割。
[0007] 所述圖像預處理步驟中，在分割后圖像區域中選取運動區域，去掉選取運動區域 內高度或寬度小于30個像素或者高寬比小于250%的區域，將剩余運動區域按照膚色可能 性大小進行排序。
[000引直方圖分割方法中，由于直方圖分割算法對顏色空間有所限制，本發明所有的數 據處理都是在Luv色彩空間內進行的，Luv色彩空間內也稱作CIELUV，是于1976年由國際 照明委員會CIE提出，L表示物體亮度，U和V是色度。首先利用小立方體將Luv空間離散 化，接著在離散化后的Luv空間內建立直方圖。統計得到的每個小立方體內像素點個數作 為對應直方圖的值，并由此估測出該圖像像素點的初始密度。基于該初始密度估計，利用自 適應的核函數密度估計得到該直方圖的最終密度估計。再根據最終密度估計，進行基于網 格的聚類分析W找出直方圖空間中密度較大的區域，并分配給不同的區域不同的標簽，從 而完成圖像數據在Luv空間內的聚類。最后利用生長算法恢復圖像空間域信息，完成圖像 的分割。
[0009] 圖像預處理方法中，圖像經過分割處理之后被劃分為具有不同標簽的區域，本發 明中為了減小計算量，先篩選出運動區域，接著去除掉一些不符合條件的區域，將剩下的區 域按照是膚色的可能性大小排序依次送入分類器中進行預處理，檢測確定手勢區域。
[0010] 手勢跟蹤步驟中，由分割方法將圖像劃分成不同的區域，計算該些區域跟前面帖 中已檢測出的手勢區域的相似度，再利用由帖差法得到的運動線索，一起確定手勢區域。
[0011] 本發明的基于雜亂背景中的手勢跟蹤方法，一改往常的把手看為特征點的集合， 而是把手看為一個完整的區域。在基于直方圖的分割技術中，將膚色和運動線索有力結合， 其中膚色信息采用的是更新后的值而不是固定闊值，該樣就大大提高了運行速度和準確 性。同時由于在預處理階段中，先對不滿足要求的區域進行舍棄，僅把剩下的區域進行顏色 排序，也使得該方法的速度得到改善。跟蹤階段中，讓膚色線索和運動線索共同投票確定出 手勢區域，顯著提高了手勢檢測的準確性。
【附圖說明】
[0012] 圖1，本發明手勢跟蹤方法原理框圖。
[0013] 圖2,圖像預處理及排序示意圖。
[0014] 圖3,手勢跟蹤方法中獲得運動區域的簡要示意圖。
[0015] 圖4,根據獲得的運動區域，計算每個區域同前面帖已經檢測到的手勢區域之間的 相似度。
[0016] 圖5,根據獲得的運動區域計算運動區域中運動像素點的個數NoM(i)。
[0017] 圖6,根據相似度及運動像素點個數，最后評測出的得分情況。
[001引圖7,本發明方法與其他方法比較結果示意圖。
【具體實施方式】
[0019] 本發明的手勢跟蹤方法，主要包括直方圖分割步驟、圖像預處理步驟及手勢跟蹤 步驟。下面結合附圖和具體實施例對本發明作進一步詳細說明。參看圖1，在本發明的手 勢跟蹤方法中，主要分為對手勢區域進行檢測的檢測過程及對手勢區域進行跟蹤的跟蹤過 程。檢測過程主要包括直方圖分割、圖像預處理；跟蹤過程主要包括根據前后帖的手勢區域 的相似度，運用帖差法確定當前帖手勢區域，并記錄手勢信息。本發明的具體步驟如下。
[0020] 一、基于直方圖分割的分割算法
[0021] 第一步，區域離散化S2。先將獲取的一帖圖像S1由RGB顏色空間轉換為Luv色 彩空間。RGB顏色是紅色巧ed)、綠色（Green)和藍色炬lue)S基色的字母縮寫，通過S 種基本顏色的不同程度的迭加來產生各種各樣的不同顏色。確定最小邊界立方體MBR(圖 像數據在Luv空間各個維度的范圍構成的立方體），使用棱長為5的小立方體進行劃分W 實現離散化，其中5 =h"/p。且h。為固定帶寬，P為離散化中使用的比例系數，P越小， 5的值越大，區域被劃分的越粗趟；P越大，5的值越小，區域被劃分的越精細。
[0022] 第二步，顏色坐標變換S3。把像素點轉化到直方圖空間內的坐標，用化[i]表示第 i個通道的像素值，vmin[i]表示第i個通道的最小像素值，pt[i]表示轉化后的坐標，計算 公式如下：
[002引pt[i]=[dp[i]-vmin[i]]/5 (2.1)
[0024] 第=步，密度估計S4,包括初始化密度估計和最終密度估計。
[0025] 初始化密度估計。在離散化后的Luv色彩空間內建立直方圖，W每個棱長為5的 小立方體作為建立直方圖的單元，統計每個小立方體內中圖像數據點的個數作為對應直方 圖單元的值，該值即為圖像數據在Luv空間內的初始密度估計;P，并計算出直方圖空間內 所有初始密度估計的幾何平均值入。
[0026] 最終密度估計。基于初始密度估計，利用自適應的變尺度核函數估計每個直方圖 在臨近直方圖的影響下的最終密度估計 〇
[0027]
(2.2)
[00測其中Cu表示第U個單元中屯、的空間做標，同理C1表示第1個單元中屯、的空間坐 標，K表示化anechn化OV核函數，具體公式如式2. 6,其他參數下面有詳細介紹。
[0029] 該算法采用樣本點密度估計方法的思路對空間內數據點進行密度估計同時估計 空間內每點X的密度受該空間內臨近數據點的影響，X的定義如下：
[0030] N(x) =Xi:d(Xi, X)《T (Xi)5 (2.3)
[0031]T(xi)是可變比例因子，該因子和離散化后的單元寬度5共同決定了該點的臨近 數據點個數，d(Xi，X)為Xi點與X點的距離，下式中的T。為固定參數，T(Xi)定義如下；
[0032]
(2.4)
[003引h(x)代表數據點X處所具有的可變帶寬，h。是固