手势识别中手分割算法综述

《手势识别中手分割算法综述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、手势识别中手分割算法综述摘要：首先分析了手势分割存在的技术难点及人进行手势分割过程中可能使用的特征，然后分析比较了现有手势分割算法的基本思想和特点，最后介绍了深度学习技术并总结了手势分割未来的研究方向。关键词：RGB-D；手分割；手势中图分类号：TP18文献标识码：A文章编号：1009-3044(2015)09-0191-02Abstract：Thepaperfirstanalysestheseveraltechnicaldifficultiesinhandsegmentationandthefeaturesthatcanbeusedasinthisprocess，thenintroduc

2、estheideasofexistingdhandsegmentationalgorithm.Atlastitintroducesdeeplearningtechnologyandconcludestheresearchdirectionofhandsegmentationinfurther.Keywords：RGB-D；handsegmentation；gesture手势是一种无中间媒介的，非常人性化的人机交互方式。手势识别已经成为人机交互领域的重要内容和研宄热点。基于视觉的手势识别技术，通常由手势分割、手势建模、手势形状特征提取、手势识别等几个步骤组成。其中，手势分割就是从视觉传感器获

3、取数据中，将感兴趣的有意义区域，即手区域分割出来。这是基于视觉的手势识别过程中非常关键的第一个步骤。准确和快速的分割为后续步骤提供一个良好的基础，可以极大地提升手势识别系统的识别效果以及实时性能。基于视觉的手势识别系统最初是利用摄像头作为传感器。一个或两个摄像头组成的视觉系统获取手势图像数据，手势分割采用图像处理方法，这些算法通常非常复杂，需要大量的计算资源。Kinect是微软推出的一款2.5维传感设备，它比传统摄像头获取场景的2D图像数据更进一步，同时也可以获取一定范围内的物体到传感器的距离，即深度信息。更丰富的数据信息为更加快速有效的手势分割提供了可能。本文首先分析了手势分割存在的技术

4、难点及进行手势分割过程中可能使用的特征，然后分析比较了现有手势分割算法的基本思想和特点，最后介绍了深度学习技术并总结了手势分割未来的研宄方向。1手势分割的技术难点手势分割的难点主要源于两个方面，一是手势的环境因素复杂性。手势可以出现在任何一种复杂的环境背景中，颜色、亮度不同光照条件对手形成不同的高光和阴影、背景物体与肤色接近，移动的背景或手势，手势遮挡等。二是人类的手势动作在空间上有很大的灵活性，这导致手的外形特征复杂多变。这些都给手势准确分割带来了困难在任何条件下，人类的识别系统都能够较为准确的认出感兴趣的区域，人类在处理复杂的手势时，使用了大量的关于手势特征的先验知识。但是人类视觉识别

5、系统机理还有待进一步研宄，目前还没有一个可以指导改进手势分割方法的统一的理论。2手势分割的特征[1]基于Kinect传感器的手分割问题，可以看作是对RGB-D图像中的手像素或非手像素标记问题。这里我们将RGB图像和对应的深度图像数据定义为：Data={data（i,j）={color，depth}i，j

6、i=l，...，n,j=l，…，m,depth£R，coloreColorSpace}。其中，color为位置（i，j）对应的颜色信息，按照某种颜色空间定义，depth为该位置的深度信息，进行手分割时，必须对Data加以处理，提炼特征。通过调查以往的研宄文献，总结出以下特征：1）人体的拓朴

7、结构：和人体某一局部图像相比，人们更容易从人体的整体图像中确定手的位置。这是因为人类所具有的人体的整体拓扑结构知识。这个知识只提供给手部区域的大致方位。2）距手心距离：通过手的形态学知识，人类可以推断当距离手心距离小于某个值，肯定属于手部区域，如果大于某个值，肯定不属于手部区域；3）肤色和深度：虽然肤色易受到人种，光照等的影响，手部区域在深度图像或者彩色图像上虽然其整体上有可能并不均匀一致，但是其在较小的局部范围内应当保持一定的连续性，而非手部区域的边界像素与相邻背景区域像素具有较大的变化；在进行手区域判断的时候，人类往往不是仅基于某种单一特征，而是多种特征的融合的决策。每个特征在决策过程

8、中起到不同的作用，对一个手的不同位置起到的效用有可能也不一样。3手势分割算法手势的分割实际上包括两个步骤：首先是手定位，这是指从RGB-D图像中确定手是否出现，并且确定手所在区域；在此基础上进行第二个步骤，即去除背景的干扰，将手区域从RGB-D图像中分离出来，该过程称为手分割。通常情况下，两个步骤同时进行。传统的基于视觉的手势分割方法主要有基于轮廓的手势分割方法、基于运动的手势分割方法、基于肤色的手势分割方法等。基于轮廓