论文部分内容阅读
手势轮廓提取在计算机视觉领域中具有非常重要的地位,例如手势识别、手势三维建模都需要使用手势轮廓作为基础。一个连续、不含背景物体轮廓的手势轮廓是手识别或建模的重要前提。本文分析了国内外对手势轮廓提取的研究现状,并分析传统的算法所存在的问题,发现目前存在的方法对背景的复杂程度、光照强度、肤色较为敏感,这些问题导致提取出来的手势轮廓是不连续、包含背景物体轮廓的。为了解决传统算法提取出来的手势轮廓存在的问题,本文深入地研究了手在图像中的定位和轮廓断点连接这两个问题。为了去除背景物体轮廓,本文从手腕、手掌、手指的定位出发,减少目标轮廓的搜索范围;为了使提取出来的轮廓是连续的,本文从分析断点所在曲线在该点的斜率和周围点的情况出发,以最优的方式连接断点。本文研究和使用了基于手指模型的定位算法,基于手腕-手掌模型的定位算法,GMM(Gaussian Mixture Model)定位算法,以及轮廓断点连接算法。本论文所做工作如下:(1)基于手指模型的定位算法利用手指的几何特征(轮廓光滑、关于指尖有较好的对称性、指尖弯曲角度)在粗糙轮廓中搜索手指并定位手指。只要图像中存在手指,手指便可以很好地被识别出来,且该算法并不依赖于背景的复杂程度或是光照强度。(2)基于手腕-手掌的定位算法利用手腕和手掌的特征去搜索手腕和手掌部分,该算法精度高,只要图像中同时存在手腕和手掌,那么它们就可以很好地被搜索出来。(3)为了连接不连续的轮廓,本文提出了一种新型算法:连续轮廓提取算法。该算法对断点情况进行分类,根据不同的情况使用不同的策略进行连接。为验证算法的效果,借助于OpenCV(Open Source Computer Vision Library)对算法进行测试和验证,并且与传统的轮廓提取算法如Sobel算子、Canny算子和最长轮廓提取算法提取的轮廓进行比较。测试和验证结果表明本文提出的算法所提取的手势轮廓是连续、不含背景物体轮廓的,且该算法具有较好的鲁棒性。