申请/专利权人：常州工学院

申请日：2020-06-16

公开（公告）日：2020-09-18

公开（公告）号：CN111680658A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/34(20060101);G06K9/46(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2021.07.16#发明专利申请公布后的撤回;2020.10.20#实质审查的生效;2020.09.18#公开

摘要：本发明公开了一种复杂背景下手势检测与识别方法，包括以下步骤：图像输入，手势分割，手势形状特征提取，手势统计特征提取，手势识别。本发明的方法不需要进行图像降噪声处理、不需要进行轮廓检测、不需要进行形态学运算。直接运用图像中的白色像素，基于Hough投票机制和线性拟合技术，实现手部区域的凸包提取，表示手势的几何形状特征。根据手部区域像素的统计分布，计算统计属性，提到手势的统计特征。运用手部区域的几何形状特征和统计特征，识别手势。本发明在噪声条件下能够精确提取手部区域的几何形状特征，对背景噪声具有更好的鲁秦棒性。

主权项：1.一种复杂背景下的手势检测与识别方法，其特征在于，包括以下步骤：步骤1：图像输入；通过摄像头采集手势图像，或者从文件中读入手势图像；步骤2：手势分割；基于肤色特征从图像中检测手部区域，得到二值图像；步骤3：形状特征提取；直接用白色像素构建手势凸包模型，提取手部区域的几何形状特征；具体包括：步骤3-1：投票；从图像空间向Hough空间进行θ-ρ投票；步骤3-2：搜索边界单元格；在Hough空间，投票值非零的单元格形成条带状分布；在每个投票方向θ上，搜索条带的上下边界单元格；步骤3-3：变换；对投票角θ和投票距离ρ进行变换：把边界单元格数据从θ,ρ空间变换到cotθ，ρsinθ空间；步骤4：统计特征提取；基于手部区域像素分布，计算统计属性，提取手势区域的统计特征；步骤5：手势识别；基于手部区域的形状特征和统计特征，进行手势识别。

全文数据：

权利要求：

百度查询： 常州工学院 一种复杂背景下的手势检测与识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD