基于皮膚特性的人體手部識別算法的研究

摘要：本文利用HSV顏色模型，針對人體皮膚的色相統(tǒng)計特性，對人體手部進行了識別，然后通過中值濾波消除了噪聲，最后計算出了手部所在的重心位置。

關(guān)鍵詞：HSV顏色模型手勢識別中值濾波

隨著計算機技術(shù)的發(fā)展，人與計算機之間的交互不再局限于鼠標鍵盤，特別是近年來手勢在人機交互中占有越來越重要的地位，而人體手部的識別是人體姿態(tài)識別的重要基礎(chǔ)。目前對人體手部的識別主要包括基于皮膚顏色建模、基于連續(xù)神經(jīng)網(wǎng)絡(luò)與馬爾科夫模型的手勢識別[2]等等。本文主要分析了基于皮膚顏色模型人體手部在復(fù)雜背景下的識別過程。識別過程主要包括RGB到HSV模型的轉(zhuǎn)化、HSV模型濾波、除燥，最終得到手部重心。

1 HSV顏色模型的轉(zhuǎn)換

HSV顏色模型是由埃爾維·雷·史密斯于1978年創(chuàng)立的，它是對RGB顏色模型的非線性變換形成的，解決了RGB、CMY和其他顏色模型不能夠很好適應(yīng)實際上人解釋的模型[1]。

HSV顏色模型是根據(jù)色彩的三個基本屬性色相、純度、明度來確定顏色的一種方法。其中色相H參數(shù)表示色彩信息，該參數(shù)的取值范圍為[0°，360°]，其中0°表示紅色、120°表示綠色、240°表示藍色。純度S參數(shù)為一比例值，取值范圍為[0，1]。明度V表示顏色的明亮程度，取值范圍為[0，1]。

根據(jù)HSV顏色模型的定義，在RGB顏色模型中的任意一個取值，可由以下公式得到對應(yīng)的HSV顏色模型下的取值：

實驗過程中采用的圖片如下

2 H分量統(tǒng)計濾波處理

圖像的濾波處理方法很多，有空域濾波處理，如中值濾波、均值濾波等；有頻域的濾波處理如傅里葉變換、小波分析等[2]。在基于顏色模型的分析過程中，首先通過分析H分量的直方圖，得到手部皮膚的H分量所在位置，然后取閾值，實現(xiàn)濾波。

直方圖反應(yīng)了圖像的像素灰度分布，是圖像中灰度級和該灰度級像素出現(xiàn)的概率之間的關(guān)系。由于H分量的取值范圍為0~360，所以我們將灰度等級設(shè)置為360級別，圖1的H分量的直方圖如圖2所示：

從圖2中可以看出在手和背景在HSV顏色模型中的H分量是明顯分開的，低灰度區(qū)域的屬于手部區(qū)域，高灰度區(qū)的屬于背景區(qū)域，這時可以通過設(shè)定閾值來區(qū)分兩個區(qū)域。由于兩個區(qū)域明顯分開，可以設(shè)定閾值為100。將大于100的灰度的像素值設(shè)置為0，將小于100灰度的像素值設(shè)置為0，即可得到二值圖像，如圖3所示。

如圖3所示，人體手部的圖形在圖像中已經(jīng)得到了很好的表現(xiàn)，但是，由于背景中的一些噪聲的存在，仍然有部分區(qū)域出現(xiàn)了噪聲。文中采用中值濾波的方法消除噪聲。

中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。中值濾波是一種典型的低通濾波器，屬于非線性濾波技術(shù)，它的目的是保護圖像邊緣的同時去除噪聲。本文中采用了3×3的矩陣作為核心，取其中值為改像素的值。中值濾波后的圖像如圖4所示：

3 手部重心的計算

手部重心的計算是手部位置識別的重要特征參數(shù)，是人機交互的重要數(shù)據(jù)。重心的計算主要采用了一階距來計算。[3]設(shè)重心的坐標為（X，Y），則

X=Y=

式中m為圖像的寬度，n為圖像的高度，h(i，j)為圖像所在坐標像素值為簡便起見，其取值為0和1。

4 結(jié)束語

本文描述了人體手部識別的一種方法，通過HSV顏色模型的H分量統(tǒng)計特性，取得了人體手部的位置，并根據(jù)其一階距特征得到了其重心所在位置。

參考文獻:

[1]岡薩雷斯.數(shù)字圖像處理（第二版）.電子工業(yè)出版社，2007

[2]楊阿妮.神經(jīng)網(wǎng)絡(luò)與馬爾科夫模型的手勢識別.電子測量技術(shù)，2010.

[3]趙希人等.隨即過程基礎(chǔ)及其應(yīng)用.哈爾濱工程大學(xué)出版社，2008.