利用基于颜色自适应形状模型实现手势跟踪.docVIP

利用基于颜色自适应形状模型实现手势跟踪 　　摘要:提出了一种基于颜色的自适应形状模型，并利用该模型实现了图像序列中的实时手势跟踪。跟踪算法基于自适应的颜色模型实现准确的手部轮廓提取，并利用基于二维颜色模型的粒子滤波器实现序列图像中跟踪目标的运动估计。实验结果表明了基于颜色的自适应形状模型对凸形与凹形手部轮廓均能达到准确的手部轮廓提取，并能满足图像序列手势跟踪的实行性要求。 　　关键词:手势跟踪; 形状模型; 颜色分布模型; 粒子滤波器 　　中图分类号:TP391.41文献标志码:A 　　文章编号:1001－3695(2008)02－0485－03 　　 　　0引言 　　 　　随着计算机应用的深入，并伴随着计算机及相关学科的迅猛发展，研究符合人际交流习惯的新颖人机交互技术(HCI)变得异常活跃，并取得了一定的进展。总体来说，人机交互技术已经从以计算机为中心逐步转移到以人为中心，手势识别也逐渐成为一个研究热点[1]。手势识别技术按照实现途径可分为基于数据手套的手势识别和基于计算机视觉的手势识别两大类[2]。基于视觉的手势识别是利用摄像机采集手势信息，并进行识别。该方法不需要复杂的数据手套作为输入设备，输入相对简单#65380;方便，但识别率比较低，实时性较差，故提高识别率与实时性是其关键问题。同时在基于视觉的手势分析与识别中，手势跟踪是一个关键环节。本文研究了基于单目视觉的手势跟踪，在图像序列中实现手部区域的定位并提取手部轮廓信息。 　　通常图像序列目标跟踪状态估计是非线性#65380;非高斯的，粒子滤波器正是一种根据带有噪声的观测数据序列估计未知运动状态的技术，而且它主要用于非线性#65380;非高斯的系统[3]。本文应用基于二维颜色模型的粒子滤波器来实现复杂场景下的手部区域的实时跟踪，并以一种自适应机制来快速地对手部轮廓进行提取。该方法对凸形与凹形轮廓均能实现准确的跟踪，解决了其他轮廓跟踪方法(如snake#65380;active contour等)[4]不能实现对凹形轮廓准确跟踪的问题。 　　 　　1利用基于颜色的自适应模型实现轮廓提取 　　 　　1.1颜色分布模型 　　本文算法用于实现手势的跟踪与识别，因此目标的颜色分布模型主要为肤色信息模型，采用核函数直方图来表示[6，7]。核函数直方图是一种多元核函数无参数密度估计，它同时适用于低维空间和高维空间。而且核函数直方图对光照变化及部分遮挡具有鲁棒性#65380;旋转和尺度不变性，适应于变形物体的特征信息表示。假定将彩色特征空间量化为M级，则本文采用颜色分布模型―核函数直方图表示为q={q??u}??M????u=1，满足∑uq??u=1; 　　 　　基于式(1)的颜色分布模型与式(3)的形状模型，本文提出一种改进的自适应形状模型，使得形状模型中sm??i能够由颜色特征自适应地收缩或膨胀，且在视觉跟踪中无须在当前帧中重新初始化，只需进行目标定位即可。可由下式表示: 　　dE/dt=-sign(v??i)sm??iE??img(4) 　　其中:E表示轮廓能量信息;E??img特指轮廓点处的梯度信息，且 　　sign(v??i)=1q??b(v??i)ε-1其他(5) 　　其中:ε为一较小阈值。 　　由式(4)的能量最小化过程，则找到能量最小的轮廓。在式(4)的作用下，能量函数沿着向量sm??i的方向随着跟踪目标的颜色特征变化，从而使轮廓线自适应地放缩，降低了对初始轮廓的敏感性，克服了Snake模型的不足，从而保证了视觉跟踪中对目标轮廓的准确提取。 　　1.3利用基于颜色的自适应形状模型实现轮廓提取 　　基于式(4)的自适应形状模型，可实现轮廓的跟踪与提取，具体步骤如下: 　　a)由式(4)获取同一向量方向的边界点，如图1(a)所示。由式(3)形状模型的状态判断当前三个轮廓点所组成的轮廓边界为凹形还是凸形，若为凸形，则执行b);否则执行c)。 　　b)保持当前轮廓点不变，如图1(a)所示。 　　c)对于这种情况，对三个轮廓点所成的两条线段分别执行拆分操作，如图1(b)所示。 　　(a)取于线段的二分之一处作为新的节点，并由式(4)来放缩到恰当位置;(b)重复执行(a)直到新的轮廓点所成的轮廓线为凸形为止。 　　d)根据曲率方向重新排列得到的边界点集合，对于距离小于固定较小阈值ε相邻轮廓点可进行合并操作。这样，可得轮廓点数目适中的光滑轮廓，并得新的形状模型。 　　对图1所示的手部轮廓分别应用传统的Snake 模型与本文提出的算法进行轮廓提取，其结果分别如图2(黑线代表初始轮廓，白线代表曲线演化后轮廓)所示。图2(a)~(d)为Snake 模型轮廓提取结果;(e)~(h)为应用本文算法轮廓提取结果。从图2可以看出，自适应轮