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(zhǔn)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(biāo)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(zhǔn)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(zhǔn)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(rèn)為該段為手勢的一個手指[8]。……