基于图像几何矩和NMI值的数字手势识别算法.docVIP

基于图像几何矩和NMI值的数字手势识别算法 　　摘要:提出了一种基于视觉的静态数字手势识别算法。首先,将手势图像从RGB颜色空间转换到HLC颜色空间,利用肤色信息对手势图像进行二值化处理,去掉较小连通域,得到比较好的二值化图像。然后提取图像几何矩特征以及图像转动惯量特征和二阶转动惯量特征,作为手势特征矢量。之后对图像进行边缘检测,再采用基于Freeman链码的方法检测指尖。最后将特征矢量与特征库中特征值采用欧氏距离进行匹配,得到匹配结果。通过实验,该算法识别率较高。 　　关键词:数字手势识别;二值化;几何矩;转动惯量;Freeman链码 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)09-2220-03 　　The Alogrithm of Number Gestures Recognition Based on Geometric Moment and NMI Value of Image 　　LAI Qin, LI Jia 　　(College of Communication Engineering, Chongqing University, Chongqing 400030, China) 　　Abstract: This paper presents a vision-based algorithm for static number gesture recognition.First,conversion the gesture image from RGB color space to the HLC color space,binary gesture image using color information, remove the small connected domain and get a better binary image. And then extract the geometric moment features, the NMI value features and the second-order NMI features of the image as a gesture feature vector. After the image edge detection, detect the fingertips using Freeman chain code. Finally, make the feature vector match with the value of the features library using Euclidean distance and get the result of match. Through the experiment, the algorithm has a high recognition rate. 　　Keywords: number gesture recognition; binary conversion; geometric moment; NMI; Freeman chain code 　　随着计算机技术的迅猛发展,人机交互的需求越来越迫切,然而传统的基于键盘与鼠标的人机交互模式存在诸多局限,机器手势识别作为一种新的人机交互模式得到了国内外学者与研究机构的广泛关注与研究。美国MIT媒体实验室,密歇根州立大学计算机系等,国内的清华大学,哈尔滨工业大学等都在从事相关方面的研究,并取得了阶段性的成果。 　　从输入设备来分,手势识别技术可分为基于数据手套的手势识别和基于视觉的手势识别。基于数据手套的手势识别,识别率比较高,但是其输入设备昂贵。基于视觉的手势识别,输入设备简单,但是识别率不高。 　　本文提出一种基于视觉的静态数字手势识别算法,手势图像大小为120×160,利用肤色对手势图像二值化,基于Freeman链码的算法检测手势指尖数,根据指尖数进行粗分类,然后提取静态手势特征向量进行匹配,实现手势细分类。其中静态手势特征矢量包括手势图像的四个不变几何矩特征,一个图像整体转动惯量特征,和四个图像二阶转动惯量特征。该算法实现了对0~9十个静态数字手势的识别,识别率较高。 　　1 图像预处理 　　1.1 二值化 　　手势图像的二值化处理是手势识别实现的关键,其涉及到后续特征提取算法对手势特征特征值的提取,而传统的基于直方图、基于最大化方差等二值化处理方法在面对复杂背景时具有较差的适应性,因此本文采用基于肤色的二值化处理。另外,由于系统采集到的手势图像为RGB色彩空间,但RGB色彩空间受光照等因素影响比较大,不适合用于分割手势和背景,而HLC色彩空间具有良好的适应性,因此