基于膚色分割的手勢識別技術研究

北方民族大學電氣信息工程學院 蔣涵妮

基于膚色分割的手勢識別技術研究

北方民族大學電氣信息工程學院 蔣涵妮

隨著計算機技術的發展，手勢識別逐漸成為了人機交互的熱點問題。本文利用膚色的特殊性，在膚色檢測上通過HSV空間圖像處理的膚色檢測技術，較好地將背景區域分割掉，再通過手勢區域判定條件剔除小面積類膚色區域和人臉區域，將手勢部分分割出來。特征提取部分利用曲率算法得到指尖個數，最后通過指尖個數進行手勢識別。

人機交互；手勢識別；膚色分割；曲率算法

0 引言

隨著計算機技術的發展，人機交互逐漸成為學者們研究的熱潮，它將我們的生活引領到更加方便更加智能的潮流中。其中手勢作為人體敏感、靈活的部位，更是被廣泛地應用于人機交互中，稱為我們所熟知的手勢識別。

本文主要介紹靜態手勢識別。利用人體膚色的特殊性，通過膚色分割將背景區域排除掉，再通過手勢區域判定條件剔除小面積類膚色區域和人臉區域，提取出手勢部分；利用曲率算法得到指尖個數，通過指尖個數將手勢分類。

1 基于HSV顏色空間的手勢分割

1.1 圖像顏色空間轉換

在計算機視覺中，彩色空間主要有RGB、HSV、HIS等。目前常用的顏色空間是RGB顏色空間，但是從RGB值中很難知道值所表示的如色調、飽和度、亮度等顏色的認知屬性，而且RGB值在很小的變化下都會引起較大的波動，并且在實際檢測中RGB并不能準確地識別出手勢，尤其是當背景色與膚色對比不強烈的時候。

HSV顏色空間是比RGB顏色空間更能準確描述顏色聯系的一種色彩空間模型，其中H代表色彩的色調；S代表飽和度，即指色彩的純度；V代表亮度。RGB空間到HSV空間的轉換過程如式(1)所示。

1.2 膚色分割算法

不同人種的膚色的R、G、B顏色分量分布分散，且差異較大，但在HSV顏色空間中，不同人種的膚色的色調(H)基本是一致的。根據查閱資料，不同人種的H值大部分都集中在0.055～0.09范圍內，最終確定膚色的閾值為0.03～0.128。

經過閾值分割，將在閾值范圍內的像素置為1，其余像素置為0，如式(3)所示，得到分割后的二值圖像，此時二值圖像中包含臉部區域和手勢區域。

經多次實驗得出，若二值化后的一些膚色區域或類膚色區域面積占整幅圖面積比低于0.02，那么這些區域不是人手或者人臉，將這些小面積膚色區域剔除。剩下的區域為人臉區域和手勢區域，計算膚色的高度和寬度比K,若在[0.7,3.0]之間，為手勢區域。

2 特征提取

在OpenCV函數庫中，調用cvFindContours函數將圖像輪廓從二值圖像中檢索出來，得到手勢輪廓。

設手勢輪廓序列為P，則輪廓序列可以表示如式(4)所示：

3 實驗與識別結果

按照指尖曲率算法得到每種手勢的指尖數目，然后根據指尖數目的不同區分每種手勢，本文對0～5這6種手勢進行識別。

實驗過程中，共有5位實驗者參加，在3中背景下進行，每位實驗者擺出0～5共6種手勢，每種手勢變換各種姿勢做10遍，共計900個手勢，識別結果如表1所示：

數字手勢012345識別率（%）9898999395100

4 總結與展望

本文利用膚色的特殊性，在膚色檢測上通過HSV空間圖像處理的膚色檢測技術，較好地將背景區域分割掉，再通過手勢區域判定條件剔除小面積類膚色區域和人臉區域，將手勢部分分割出來。特征提取部分利用曲率算法得到指尖個數，最后通過指尖個數進行手勢識別。

人機交互是未來研究的重要方向，就目前的發展趨勢，手勢識別將逐步滲透到各個專業領域以及人們的生產生活中，手勢識別的發展可以大大的方便人們的生活，逐漸地提高人們的生活水平。

[1]楊明華．手勢識別技術的應用研究[D]．東華大學．2012．

[2]莫舒．基于視覺的手勢分割算法的研究[D]．華南理工大學．2012．

[3]路凱,李小堅,周金祥．基于膚色和邊緣輪廓檢測的手勢識別[J]．北方工業大學學 報,2006,18(3)：12-15．

[4]陳鍛生,劉政凱．膚色檢測技術綜述[J]．計算機學報,2006,29 (2)：194-207．

[5]曹昕燕;趙繼印;李敏;;基于膚色和運動檢測技術的單目視覺手勢分割[J];湖南大學學報(自然科學版);2011,1：56-58．