基于關(guān)鍵幀和局部極值的手勢特征提取算法

劉楊俊武，程春玲

(南京郵電大學(xué) 計算機學(xué)院，江蘇 南京 210003)

0 引 言

動態(tài)手勢包含運動軌跡變化和結(jié)構(gòu)變化等，準確的識別動態(tài)手勢需要研究動態(tài)手勢特征提取算法，用于表達手勢的運動軌跡特征和結(jié)構(gòu)特征。根據(jù)提取的特征類型不同，目前的動態(tài)手勢特征提取算法主要分為基于圖像屬性的動態(tài)手勢特征提取算法和基于幾何結(jié)構(gòu)的動態(tài)手勢特征提取算法。其中，基于圖像屬性的手勢特征提取算法是利用目標檢測算法提取出圖像的像素點分布情況來表達手勢，常用方法包括Hu矩[1]、梯度方向直方圖(histogram of oriented gradient，HOG)[2]、光流直方圖(histogram of optical flow，HOF)[3]等。這些算法計算較為簡便，且易于實現(xiàn)，但是提取出的特征維度較大，會增加手勢識別的計算量和計算時間。基于幾何結(jié)構(gòu)的手勢特征提取算法是對圖像原始數(shù)據(jù)進行處理，提取出能夠反映手勢本質(zhì)的結(jié)構(gòu)信息，有利于區(qū)分手勢，提高手勢識別的準確性，主要方法包括結(jié)構(gòu)特征點[4]、凸包[5]、k-曲率[6]等。但是該類算法的計算復(fù)雜度較高，計算時間較長。

為了縮短手勢特征提取的時間，Hasan等通過兩種半徑大小不同的動態(tài)圓模板區(qū)分出手勢的手掌區(qū)域和手指區(qū)域，然后根據(jù)各個區(qū)域中的動態(tài)圓模板分布確定手勢中的指尖、指根以及手掌中心的位置[7]。但是該算法易受到噪聲數(shù)據(jù)的干擾，識別準確性不穩(wěn)定。Huang等提出一種基于套索的手勢特征提取算法，通過設(shè)置一個固定寬度的套索，并對手勢輪廓上的每個峰值點進行遍歷，若輪廓的寬度與套索的寬度相同，則認為該段為手勢的一個手指[8]。……