專利名稱：一種人手定位方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種人手定位方法及系統(tǒng)。
背景技術(shù)：
隨著技術(shù)的發(fā)展，人手識(shí)別作為人機(jī)交互必不可少的一環(huán)而備受重視。而人手運(yùn)動(dòng)的定位和跟蹤是準(zhǔn)確提取和識(shí)別人手手勢的先決條件，傳統(tǒng)的人手定位方式需要附加特定的傳感器(如手柄、遙控器、數(shù)據(jù)手套等)來實(shí)現(xiàn)，操作繁瑣。為此，現(xiàn)有技術(shù)提供的一種人手定位方法是利用人手手型模板進(jìn)行人手定位的， 通過預(yù)存若干人手手型模板，在采集到的視頻圖像中提取模板相應(yīng)的人手。由于人手的活動(dòng)自由度較大，形狀變化大，因此該方法無法適應(yīng)復(fù)雜自然場景下的人手定位，定位可靠性差。針對(duì)此情況，現(xiàn)有技術(shù)提供的另一種人手定位方法是利用人手膚色模型進(jìn)行人手定位的，通過預(yù)存人手膚色模型，在采集到的視頻圖像中提取模型范圍內(nèi)的膚色區(qū)域即為人手區(qū)域。該方法在光線變化較大的環(huán)境下，無法準(zhǔn)確的提取出人手區(qū)域，同樣存在定位可靠性差的問題。在本背景技術(shù)本部分所公開的上述信息僅僅用于增加對(duì)本發(fā)明背景技術(shù)的理解， 因此其可能包括不構(gòu)成對(duì)該國的本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的在于提供一種人手定位方法，旨在解決現(xiàn)有技術(shù)提供的人手定位方法利用人手膚色模型實(shí)現(xiàn)對(duì)人手的定位，在光線變化較大的環(huán)境下，定位可靠性差的問題。本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種人手定位方法，所述方法包括以下步驟接收視頻圖像，并提取接收到的所述視頻圖像中的人臉區(qū)域；根據(jù)提取出的所述人臉區(qū)域建立膚色模型；根據(jù)建立的所述膚色模型提取所述視頻圖像中的膚色區(qū)域；在提取到的所述膚色區(qū)域中提取人手區(qū)域。本發(fā)明實(shí)施例的另一目的在于提供一種人手定位系統(tǒng)，所述系統(tǒng)包括人臉區(qū)域提取模塊，用于接收視頻圖像，并提取接收到的所述視頻圖像中的人臉區(qū)域；膚色模型建立模塊，用于根據(jù)所述人臉區(qū)域提取模塊提取出的所述人臉區(qū)域建立膚色模型；膚色區(qū)域提取模塊，用于根據(jù)所述膚色模型建立模塊建立的膚色模型提取所述視頻圖像中的膚色區(qū)域；第一人手區(qū)域提取模塊，用于在所述膚色區(qū)域提取模塊提取到的所述膚色區(qū)域中提取人手區(qū)域。
本發(fā)明實(shí)施例提供的人手定位方法是利用人臉與人手的關(guān)聯(lián)性，將人臉識(shí)別技術(shù)與膚色識(shí)別技術(shù)相結(jié)合，在采集的視頻圖像中提取出人臉后建立人臉膚色模型，并利用該人臉膚色模型在采集的視頻圖像中提取出人手區(qū)域。相對(duì)于現(xiàn)有技術(shù)，該方法不受光線變化的影響，靈活性強(qiáng)，定位可靠性高。


圖I是本發(fā)明實(shí)施例提供的人手定位方法的流程圖；圖2是本發(fā)明實(shí)施例提供的人手定位系統(tǒng)的原理結(jié)構(gòu)圖；圖3是圖2所示第二人手區(qū)域提取模塊的詳細(xì)原理結(jié)構(gòu)圖。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明實(shí)施例提供的人手定位方法是利用人臉與人手的關(guān)聯(lián)性，將人臉識(shí)別技術(shù)與膚色識(shí)別技術(shù)相結(jié)合，在采集的視頻圖像中提取出人臉后建立人臉膚色模型，并利用該人臉膚色模型在采集的視頻圖像中提取出人手區(qū)域。圖I示出了本發(fā)明實(shí)施例提供的人手定位方法的流程。在步驟SlOl中，接收視頻圖像，并提取接收到的該視頻圖像中的人臉區(qū)域。優(yōu)選地，本發(fā)明實(shí)施例采用Adaboost人臉檢測算法實(shí)現(xiàn)對(duì)人臉區(qū)域的提取，此時(shí)，提取該視頻圖像中的人臉區(qū)域的步驟可以包括以下步驟計(jì)算該視頻圖像的積分圖，提取類矩形特征；對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到人臉分類器特征庫；根據(jù)人臉分類器特征庫，在接收到的視頻圖像中提取人臉區(qū)域。進(jìn)一步地，對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到人臉分類器特征庫的步驟可以包括以下步驟分別計(jì)算若干視頻圖像的積分圖，提取該積分圖中的類矩形特征；根據(jù) Adaboost算法，在提取出的類矩形特征中篩選出有效的特征，構(gòu)成多個(gè)弱分類器；將構(gòu)成的多個(gè)弱分類器進(jìn)行組合，構(gòu)成多個(gè)強(qiáng)分類器；將構(gòu)成的多個(gè)強(qiáng)分類器進(jìn)行級(jí)聯(lián)，得到人臉分類器特征庫。在步驟S102中，根據(jù)提取出的人臉區(qū)域建立膚色模型。優(yōu)選地，本發(fā)明實(shí)施例采用RGB顏色模型建立膚色模型，此時(shí)，該根據(jù)提取出的人臉區(qū)域建立膚色模型的步驟可以包括以下步驟計(jì)算提取出的人臉區(qū)域中，圖像像素的 RGB顏色值；通過對(duì)該RGB顏色值的計(jì)算得到顏色值分布的閾值參數(shù)，進(jìn)而統(tǒng)計(jì)得到RGB平均值的分布范圍作為膚色模型。舉例來說，假設(shè)提取出的人臉區(qū)域中，任意位置上的R通道亮度值是RU，y)，任意位置上的G通道亮度值是G (X，y)，任意位置上的B通道亮度值是B (X，y)，顏色值分布的閾值參數(shù)是THp TH2、TH3、TH4,則得到的RGB平均值的分布范圍可以表示為TH1 < B(x, y) < TH2 TH3 < R(X，y) -G (x, y) < TH4當(dāng)然，在實(shí)際應(yīng)用時(shí)，還可以采用其它的顏色模型建立膚色模型，例如采用YCbCr顏色模型建立膚色模型、利用高斯分布模型建立膚色模型等。在步驟S103中，根據(jù)建立的膚色模型提取該視頻圖像中的膚色區(qū)域，以濾除提取的視頻圖像中的大量背景區(qū)域。其中，當(dāng)采用RGB顏色模型建立膚色模型時(shí)，根據(jù)建立的膚色模型提取該視頻圖像中的膚色區(qū)域的步驟具體是將接收到的視頻圖像中每一像素的R通道、G通道、B通道的亮度值與得到的RGB平均值的分布范圍進(jìn)行比較，若像素的R通道、G通道、B通道的亮度值在RGB平均值的分布范圍內(nèi)，則確定相應(yīng)像素屬于膚色區(qū)域。在步驟S104中，在提取到的膚色區(qū)域中提取人手區(qū)域。優(yōu)選地，本發(fā)明實(shí)施例采用Adaboost目標(biāo)檢測算法實(shí)現(xiàn)對(duì)人手區(qū)域的提取，此時(shí)，在提取到的膚色區(qū)域中提取人手區(qū)域的步驟可以包括以下步驟計(jì)算提取出的膚色區(qū)域的積分圖，以提取類矩形特征；對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到人手分類器特征庫； 根據(jù)人手分類器特征庫，在提取出的膚色區(qū)域中提取人臉區(qū)域。進(jìn)一步地，對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到人手分類器特征庫的步驟可以包括以下步驟分別計(jì)算若干提取出的膚色區(qū)域的積分圖，提取該積分圖中的類矩形特征； 根據(jù)Adaboost算法，在提取出的類矩形特征中篩選出有效的特征，構(gòu)成多個(gè)弱分類器；將構(gòu)成的多個(gè)弱分類器進(jìn)行組合，構(gòu)成多個(gè)強(qiáng)分類器；將構(gòu)成的多個(gè)強(qiáng)分類器進(jìn)行級(jí)聯(lián)，得到人手分類器特征庫。更進(jìn)一步地，若無法在提取到的膚色區(qū)域中提取人手區(qū)域，則本發(fā)明實(shí)施例在步驟S104之后，還可以包括以下步驟在提取到的膚色區(qū)域中提取上肢區(qū)域；在提取出的上肢區(qū)域中進(jìn)行上肢輪廓提取，得到上肢輪廓圖像；對(duì)得到的上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合，得到該上肢輪廓的主方向直線，該主方向直線即上肢的自然延伸方向； 計(jì)算該上肢輪廓的主方向直線與該上肢輪廓的交點(diǎn)，該交點(diǎn)即為上肢末端，之后將以該交點(diǎn)為中心的一預(yù)設(shè)邊長的矩形區(qū)域確定為人手區(qū)域。為了提高人手區(qū)域的確定精度，本發(fā)明實(shí)施例中，在得到上肢輪廓圖像的步驟以及對(duì)得到的上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合的步驟之間，還可以包括以下步驟對(duì)得到上肢輪廓圖像進(jìn)行形態(tài)學(xué)開、閉、腐蝕、膨脹計(jì)算，以去掉得到的上肢輪廓圖像中的孤立輪廓點(diǎn)，使得輪廓圓滑連貫。其中，優(yōu)選地，本發(fā)明實(shí)施例采用Adaboost目標(biāo)檢測算法或人體區(qū)域分割方法實(shí)現(xiàn)對(duì)上肢區(qū)域的提取的。當(dāng)采用Adaboost目標(biāo)檢測算法實(shí)現(xiàn)對(duì)上肢區(qū)域提取時(shí)，在提取到的膚色區(qū)域中提取上肢區(qū)域的步驟可以包括以下步驟計(jì)算提取出的膚色區(qū)域的積分圖， 以提取類矩形特征；對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到上肢分類器特征庫；根據(jù)上肢分類器特征庫，在提取出的膚色區(qū)域中提取上肢區(qū)域。而對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到上肢分類器特征庫的步驟與對(duì)提取的類矩形特征進(jìn)行訓(xùn)練，得到人手分類器特征庫的步驟相似，在此不再贅述。當(dāng)采用人體區(qū)域分割方法實(shí)現(xiàn)對(duì)上肢區(qū)域提取時(shí)，在提取到的膚色區(qū)域中提取上肢區(qū)域的步驟具體是將提取到的膚色區(qū)域進(jìn)行人體分割，以得到人體的頭部、 左上肢、右上肢、軀干、左腿、右腿五個(gè)區(qū)域，從而確定上肢區(qū)域。其中，在提取出的上肢區(qū)域中進(jìn)行上肢輪廓提取，得到上肢輪廓圖像的步驟具體包括以下步驟根據(jù)提取到的上肢區(qū)域以及膚色區(qū)域，計(jì)算上肢區(qū)域的膚色比例；判斷該膚色比例是否大于預(yù)設(shè)閾值，是則進(jìn)行上肢輪廓提取，得到上肢輪廓圖像，從而去除提取出的上肢區(qū)域中可能存在的錯(cuò)誤提取區(qū)域，提高提取精度。其中計(jì)算上肢區(qū)域的膚色比例的步驟可以表示為上肢區(qū)域的膚色比例=上肢區(qū)域膚色像素個(gè)數(shù)/上肢區(qū)域像素總個(gè)數(shù)。其中，對(duì)得到的上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合，得到該上肢輪廓的主方向直線的步驟具體包括以下步驟將得到的上肢圖像輪廓上的點(diǎn)集的實(shí)際坐標(biāo)分別代入一預(yù)存的誤差公式并求和，得到一總誤差；通過求解使得該總誤差最小化，以得到相應(yīng)的擬合直線方程的待定系數(shù)，進(jìn)而確定表征主方向直線的擬合直線方程。例如假設(shè)擬合直線方程為F (X) = ax+b,誤差公式為yi-F (xi)，總誤差為e = Σ (yi_F (xi)) ~2,其中i為正整數(shù)，則將得到的上肢圖像輪廓上的點(diǎn)集的實(shí)際坐標(biāo){(xi，yi) |i = 1,2,...η}分別代入誤差公式，進(jìn)而求得總誤差e，通過求解使得總誤差e最小化時(shí)，相應(yīng)的待定系數(shù)a和b即可確定，從而得到表征主方向直線的擬合直線方程。圖2示出了本發(fā)明實(shí)施例提供的人手定位系統(tǒng)的原理結(jié)構(gòu)，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。本發(fā)明實(shí)施例提供的人手定位系統(tǒng)包括人臉區(qū)域提取模塊11，用于接收視頻圖像，并提取接收到的該視頻圖像中的人臉區(qū)域；膚色模型建立模塊12，用于根據(jù)人臉區(qū)域提取模塊11提取出的人臉區(qū)域建立膚色模型；膚色區(qū)域提取模塊13，用于根據(jù)膚色模型建立模塊12建立的膚色模型提取該視頻圖像中的膚色區(qū)域；第一人手區(qū)域提取模塊14，用于在膚色區(qū)域提取模塊13提取到的膚色區(qū)域中提取人手區(qū)域。其中，人臉區(qū)域提取模塊11優(yōu)選是采用Adaboost人臉檢測算法實(shí)現(xiàn)對(duì)人臉區(qū)域的提取的，具體的提取過程如上所述，在此不再贅述。其中，膚色模型建立模塊12優(yōu)選是采用RGB顏色模型建立膚色模型的，具體的建立過程如上所述，在此不再贅述。其中，膚色區(qū)域提取模塊13提取膚色區(qū)域的過程如上所述，在此不再贅述。其中，第一人手區(qū)域提取模塊14優(yōu)選是采用Adaboost目標(biāo)檢測算法實(shí)現(xiàn)對(duì)人手區(qū)域的提取的，具體的提取過程如上所述，在此不再贅述。本發(fā)明實(shí)施例提供的人手定位系統(tǒng)還可以包括第二人手區(qū)域提取模塊15，圖3示出了第二人手區(qū)域提取模塊15的結(jié)構(gòu)。具體地，第二人手區(qū)域提取模塊15可以包括上肢區(qū)域提取模塊151，用于當(dāng)?shù)谝蝗耸謪^(qū)域提取模塊14無法在膚色區(qū)域提取模塊13提取到的膚色區(qū)域中提取到人手區(qū)域時(shí)，在膚色區(qū)域提取模塊13提取到的膚色區(qū)域中提取上肢區(qū)域；上肢輪廓提取模塊152，用于在上肢區(qū)域提取模塊151提取出的上肢區(qū)域中進(jìn)行上肢輪廓提取，得到上肢輪廓圖像； 擬合模塊153，用于對(duì)上肢輪廓提取模塊152得到的上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合，得到該上肢輪廓的主方向直線；交點(diǎn)計(jì)算模塊154，用于計(jì)算擬合模塊153得到的上肢輪廓的主方向直線與上肢輪廓提取模塊152提取出的上肢輪廓的交點(diǎn)；人手確認(rèn)模塊155，用于將以交點(diǎn)計(jì)算模塊154計(jì)算得到的交點(diǎn)為中心的一預(yù)設(shè)邊長的矩形區(qū)域確定為人手區(qū)域。其中，上肢區(qū)域提取模塊151優(yōu)選是采用Adaboost目標(biāo)檢測算法或人體區(qū)域分割方法實(shí)現(xiàn)對(duì)上肢區(qū)域的提取的，具體提取過程如上所述，在此不再贅述。其中，上肢輪廓提取模塊152的提取過程如上所述，在此不再贅述。其中，擬合模塊153的擬合過程如上所述，在此不再贅述。
本發(fā)明實(shí)施例提供的人手定位方法是利用人臉與人手的關(guān)聯(lián)性，將人臉識(shí)別技術(shù)與膚色識(shí)別技術(shù)相結(jié)合，在采集的視頻圖像中提取出人臉后建立人臉膚色模型，并利用該人臉膚色模型在采集的視頻圖像中提取出人手區(qū)域。相對(duì)于現(xiàn)有技術(shù)，該方法不受光線變化的影響，靈活性強(qiáng)，定位可靠性高。另外，本發(fā)明實(shí)施例提供的人手定位方法還在單純應(yīng)用人臉與人手的關(guān)聯(lián)性無法提取出人手區(qū)域的情況下，利用上肢與人手的關(guān)聯(lián)性進(jìn)一步在提取出的膚色區(qū)域中提取出人手區(qū)域，進(jìn)一步提高了人手定位的可靠性。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來控制相關(guān)的硬件完成，所述的程序可以在存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中， 所述的存儲(chǔ)介質(zhì)，如R0M/RAM、磁盤、光盤等。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種人手定位方法，其特征在于，所述方法包括以下步驟接收視頻圖像，并提取接收到的所述視頻圖像中的人臉區(qū)域；根據(jù)提取出的所述人臉區(qū)域建立膚色模型；根據(jù)建立的所述膚色模型提取所述視頻圖像中的膚色區(qū)域；在提取到的所述膚色區(qū)域中提取人手區(qū)域。
2.如權(quán)利要求I所述的人手定位方法，其特征在于，所述提取接收到的所述視頻圖像中的人臉區(qū)域的步驟具體包括以下步驟計(jì)算所述視頻圖像的積分圖，提取類矩形特征；對(duì)提取的所述類矩形特征進(jìn)行訓(xùn)練，得到人臉分類器特征庫；根據(jù)所述人臉分類器特征庫，在所述視頻圖像中提取人臉區(qū)域。
3.如權(quán)利要求I所述的人手定位方法，其特征在于，所述根據(jù)提取出的所述人臉區(qū)域建立膚色模型的步驟具體包括以下步驟計(jì)算提取出的所述人臉區(qū)域中，圖像像素的RGB顏色值；通過對(duì)所述RGB顏色值的計(jì)算得到顏色值分布的閾值參數(shù)，進(jìn)而統(tǒng)計(jì)得到所述RGB平均值的分布范圍作為所述膚色模型。
4.如權(quán)利要求3所述的人手定位方法，其特征在于，所述RGB平均值的分布范圍表示為TH1 < B(x, y) < TH2TH3 < R(x，y) -G (x, y) < TH4其中，R(x，y)是所述人臉區(qū)域一位置上的R通道亮度值，G(x，y)是所述人臉區(qū)域一位置上的G通道亮度值，B (X，y)是所述人臉區(qū)域一位置上的B通道亮度值，TH1, TH2, TH3> TH4 分別是所述顏色值分布的閾值參數(shù)。
5.如權(quán)利要求3所述的人手定位方法，其特征在于，所述根據(jù)建立的所述膚色模型提取所述視頻圖像中的膚色區(qū)域的步驟具體是將所述視頻圖像中每一像素的R通道、G通道、B通道的亮度值與得到的所述RGB平均值的分布范圍進(jìn)行比較，若像素的所述R通道、G通道、B通道的亮度值在所述RGB平均值的分布范圍內(nèi)，則確定相應(yīng)像素屬于膚色區(qū)域。
6.如權(quán)利要求I所述的人手定位方法，其特征在于，所述在提取到的所述膚色區(qū)域中提取人手區(qū)域的步驟具體是采用Adaboost目標(biāo)檢測算法在提取到的所述膚色區(qū)域中提取人手區(qū)域，包括以下步驟計(jì)算提取出的所述膚色區(qū)域的積分圖，以提取類矩形特征；對(duì)提取的所述類矩形特征進(jìn)行訓(xùn)練，得到人手分類器特征庫；根據(jù)所述人手分類器特征庫，在提取出的膚色區(qū)域中提取人臉區(qū)域。
7.如權(quán)利要求I所述的人手定位方法，其特征在于，當(dāng)無法在提取到的所述膚色區(qū)域中提取人手區(qū)域時(shí)，所述在提取到的所述膚色區(qū)域中提取人手區(qū)域的步驟之后，還包括以下步驟在提取到的所述膚色區(qū)域中提取上肢區(qū)域；在提取出的所述上肢區(qū)域中進(jìn)行上肢輪廓提取，得到上肢輪廓圖像；對(duì)得到的所述上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合，得到所述上肢輪廓的主方向直線；計(jì)算所述主方向直線與所述上肢輪廓的交點(diǎn)，之后將以所述交點(diǎn)為中心的一預(yù)設(shè)邊長的矩形區(qū)域確定為人手區(qū)域。
8.如權(quán)利要求7所述的人手定位方法，其特征在于，在所述得到上肢輪廓圖像的步驟和所述對(duì)得到的所述上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合的步驟之間，所述方法還包括以下步驟對(duì)得到所述上肢輪廓圖像進(jìn)行形態(tài)學(xué)開、閉、腐蝕、膨脹計(jì)算，以去掉得到的所述上肢輪廓圖像中的孤立輪廓點(diǎn)。
9.一種人手定位系統(tǒng)，其特征在于，所述系統(tǒng)包括人臉區(qū)域提取模塊，用于接收視頻圖像，并提取接收到的所述視頻圖像中的人臉區(qū)域；膚色模型建立模塊，用于根據(jù)所述人臉區(qū)域提取模塊提取出的所述人臉區(qū)域建立膚色模型；膚色區(qū)域提取模塊，用于根據(jù)所述膚色模型建立模塊建立的膚色模型提取所述視頻圖像中的膚色區(qū)域；第一人手區(qū)域提取模塊，用于在所述膚色區(qū)域提取模塊提取到的所述膚色區(qū)域中提取人手區(qū)域。
10.如權(quán)利要求9所述的人手定位系統(tǒng)，其特征在于，所述系統(tǒng)還包括第二人手區(qū)域提取模塊，所述第二人手區(qū)域提取模塊包括上肢區(qū)域提取模塊，用于當(dāng)所述第一人手區(qū)域提取模塊無法在所述膚色區(qū)域提取模塊提取到的所述膚色區(qū)域中提取到人手區(qū)域時(shí)，在所述膚色區(qū)域提取模塊提取到的所述膚色區(qū)域中提取上肢區(qū)域；上肢輪廓提取模塊，用于在所述上肢區(qū)域提取模塊提取出的所述上肢區(qū)域中進(jìn)行上肢輪廓提取，得到上肢輪廓圖像；擬合模塊，用于對(duì)所述上肢輪廓提取模塊得到的所述上肢圖像輪廓上的點(diǎn)集進(jìn)行最小二乘法直線擬合，得到所述上肢輪廓的主方向直線；交點(diǎn)計(jì)算模塊，用于計(jì)算所述擬合模塊得到的所述上肢輪廓的主方向直線與所述上肢輪廓提取模塊提取出的所述上肢輪廓的交點(diǎn)；人手確認(rèn)模塊，用于將以所述交點(diǎn)計(jì)算模塊計(jì)算得到的所述交點(diǎn)為中心的一預(yù)設(shè)邊長的矩形區(qū)域確定為人手區(qū)域。
全文摘要
本發(fā)明于圖像識(shí)別技術(shù)領(lǐng)域，提供了一種人手定位方法及系統(tǒng)。其中的方法包括接收視頻圖像，并提取接收到的視頻圖像中的人臉區(qū)域；根據(jù)提取出的人臉區(qū)域建立膚色模型；根據(jù)建立的膚色模型提取視頻圖像中的膚色區(qū)域；在提取到的膚色區(qū)域中提取人手區(qū)域。本發(fā)明實(shí)施例提供的人手定位方法是利用人臉與人手的關(guān)聯(lián)性，將人臉識(shí)別技術(shù)與膚色識(shí)別技術(shù)相結(jié)合，從而該方法不受光線變化的影響，靈活性強(qiáng)，定位可靠性高。另外，本發(fā)明實(shí)施例提供的人手定位方法還在單純應(yīng)用人臉與人手的關(guān)聯(lián)性無法提取出人手區(qū)域的情況下，利用上肢與人手的關(guān)聯(lián)性進(jìn)一步在提取出的膚色區(qū)域中提取出人手區(qū)域，進(jìn)一步提高了人手定位的可靠性。
文檔編號(hào)G06K9/66GK102592115SQ20111044368
公開日2012年7月18日 申請(qǐng)日期2011年12月26日 優(yōu)先權(quán)日2011年12月26日
發(fā)明者付東, 譚文偉, 邵詩強(qiáng) 申請(qǐng)人:Tcl集團(tuán)股份有限公司