CN105893926A - 手识别方法、***及装置 - Google Patents

手识别方法、***及装置 Download PDF

Info

Publication number
CN105893926A
CN105893926A CN201510938839.4A CN201510938839A CN105893926A CN 105893926 A CN105893926 A CN 105893926A CN 201510938839 A CN201510938839 A CN 201510938839A CN 105893926 A CN105893926 A CN 105893926A
Authority
CN
China
Prior art keywords
connected domain
hands
sample
characteristic vector
identified
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510938839.4A
Other languages
English (en)
Inventor
李艳杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leshi Zhixin Electronic Technology Tianjin Co Ltd
Original Assignee
Leshi Zhixin Electronic Technology Tianjin Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Leshi Zhixin Electronic Technology Tianjin Co Ltd filed Critical Leshi Zhixin Electronic Technology Tianjin Co Ltd
Priority to CN201510938839.4A priority Critical patent/CN105893926A/zh
Priority to PCT/CN2016/088960 priority patent/WO2017101380A1/zh
Publication of CN105893926A publication Critical patent/CN105893926A/zh
Priority to US15/247,852 priority patent/US20170169289A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/11—Hand-related biometrics; Hand pose recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种手识别方法、***及装置，该方法包括获取基于人体肤色分割图像得到的二值图像；提取二值图像中的连通域作为待识别连通域；计算待识别连通域的对应样本的特征向量；计算待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；获取使得距离最小的K个样本，并判断K个样本中手样本的数量是否大于非手样本的数量，如是，则确定待识别连通域为手特征。本发明方法、***及装置能够降低手特征识别的误判率，有利于提升基于手势的人机交互的准确度。

Description

手识别方法、***及装置
技术领域
本发明涉及图像识别技术领域，更具体地，本发明涉及一种用于确定图像中是否存在手的手识别方法、能够实现该手势识别方法的一种手识别***、及设置有该种手识别***的手识别装置。
背景技术
基于手势的人机交互技术中首先就要提取图像中手的区域，目前主要采用基于人体肤色分割图像得到二值图像的方法提取图像中手的区域，该种方法存在的缺陷是：当环境中存在与肤色相近的其它物体时，便会出现误判，导致误判率较高。
发明内容
本发明的一个目的是提供一种具有较低误判率的手识别方法。
根据本发明的第一方面，提供了一种手识别方法，其包括：
获取基于人体肤色分割的二值图像；
提取所述二值图像中的连通域作为待识别连通域；
计算所述待识别连通域的对应样本的特征向量；
计算所述待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；
获取使得所述距离最小的K个样本，并判断所述K个样本中手样本的数量是否大于非手样本的数量，如是，则确定所述待识别连通域为手特征，其中，K为奇数。
优选的是，所述特征向量包括对应连通域的周长的平方与对应连通域的面积间的比值、对应连通域的面积、基于高斯混合模型获得的对应连通域的像素属于人体皮肤的概率平均值、基于颜色直方图获得的对应连通域的像素属于人体皮肤的概率平均值中的至少一个特征。
优选的是，所述距离为对应Lp范数的距离、余弦距离或者幂距离。
优选的是，所述手识别方法还包括：
生成对应所述待识别连通域的当前结果列表；
每完成一次所述待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算，即在当前结果列表中按照距离从小到大的排列顺序***一条记录，所述记录包括计算得到的距离及对应的样本类型；
所述获取使得所述距离最小的K个样本具体为：
在完成所述待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从所述当前结果列表中获取排列在最前面的K个样本。
优选的是，所述手识别方法还包括：
在接收到用户输入的K设定值后，将所述K的值更新为所述K设定值。
本发明的另一个目的是提供一种能够实现本发明手识别方法的手识别***。
根据本发明的第二方面，提供了一种手识别***，其包括：
图像获取模块，用于获取基于人体肤色分割的二值图像；
连通域提取模块，用于提取所述二值图像中的连通域作为待识别连通域；
特征向量计算模块，用于计算所述待识别连通域的对应样本的特征向量；
距离计算模块，用于计算所述待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；以及，
判断模块，用于获取使得所述距离最小的K个样本，并判断所述K个样本中手样本的数量是否大于非手样本的数量，如是，则确定所述待识别连通域为手特征，其中，K为奇数。
优选的是，所述特征向量包括对应连通域的周长的平方与对应连通域的面积间的比值、对应连通域的面积、基于高斯混合模型获得的对应连通域的像素属于人体皮肤的概率平均值、基于颜色直方图获得的对应连通域的像素属于人体皮肤的概率平均值中的至少一个特征。
优选的是，所述手识别***还包括：
列表生成模块，用于生成对应所述待识别连通域的当前结果列表；
结果记录模块，用于在所述距离计算模块每完成一次所述待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算时，即在所述当前结果列表中按照距离从小到大的排列顺序***一条记录，所述记录包括计算得到的距离及对应的样本类型；
所述判断模块具体用于在所述距离计算模块完成所述待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从所述当前结果列表中获取排列在最前面的K个样本。
优选的是，所述手识别***还包括：
输入模块，用于接收用户输入的K设定值；以及，
更新模块，用于在所述输入模块接收到用户输入的K设定值后，将所述K的值更新为所述K设定值。
本发明的第三个目的是提供一种能够进行手识别的手识别装置，该手识别装置具有较低的误判率。
根据本发明的第三方面，提供了一种手识别装置，具有图像采集模块和图像处理模块，所述图像采集模块用于以设定频率采集图像，所述图像处理模块用于基于人体肤色分割所述图像，得到二值图像；所述手识别装置还包括上述任一种所述的手识别***。
本发明的发明人发现，在现有技术中，基于手势的人机交互应用存在判断图像中是否有手特征的方法误判率高的问题。因此，本发明所要实现的技术任务或者所要解决的技术问题是本领域技术人员从未想到的或者没有预期到的，故本发明是一种新的技术方案。
本发明的一个有益效果在于，本发明手识别方法、***及装置在现有的基于人体肤色分割图像得到二值图像的基础上，进一步通过获取特征邻近二值图像中待识别连通域的K个样本，并根据K个样本中手样本的数量是否占优势确定待识别连通域是否为手特征，这相对现有方法明显能够降低手特征识别的误判率，有利于提升基于手势的人机交互的准确度。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1为根据本发明手识别方法的一种实施方式的流程图；
图2为根据本发明手识别***的一种实施结构的方框原理图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明为了解决基于手势的人机交互应用中图像手特征识别误判率高的问题，提供了一种新的手识别方法，如图1所示，本发明手识别方法包括如下步骤：
步骤S1：获取基于人体肤色分割图像得到的二值图像。
其中，基于人体肤色分割图像得到二值图像的方法中，较为典型的方法是：先根据人体肤色模型将图像分割出肤色和非肤色，再基于肤色和非肤色将图像转换为二值图像。在该过程中，为了使人体肤色模型能够更好地适应不同环境和光照的情况，在图像分割过程中还可以采用自适应伽马(Gamma)校正算法对图像进行处理。
步骤S2：提取二值图像中的连通域作为待识别连通域，其中，二值图像中的连通域可能只有一个，也可能有多个，在二值图像中具有多个连通域的情况下，每个连通域都将成为待识别连通域，以确定二值图像中是否存在手特征的连通域、及手特征的连通域的位置。在此，可以设置为仅将二值图像中的具有一个连续边缘的实心区域定义为是连通域，也可以设置为还将二值图像中的具有两个以上(包括两个)连续边缘的空心区域也定义为是连通域，后者例如是环形的连通域。
步骤S3：计算待识别连通域的对应样本的特征向量。
在此，每个样本的连通域也是通过特征向量来表示的，特征向量包括至少一个特征，因此，该步骤中的“计算待识别连通域的对应样本的特征向量”也即为计算待识别连通域的对应样本的特征向量的各特征值，这样，才具有计算待识别连通域与各样本连通域之间距离的基础，该距离体现的是待识别连通域与样本之间的差异大小，距离越小、差异越小，距离越大、差异越大。
该特征向量可以包括对应连通域的周长的平方与对应连通域的面积间的比值、对应连通域的面积、基于高斯混合模型获得的对应连通域的像素属于人体皮肤的概率平均值、基于颜色直方图获得的对应连通域的像素属于人体皮肤的概率平均值中的至少一个特征，在本发明的一个具体实施例中，该特征向量包括以上所有特征。该颜色直方图可以包括基于HSV(Hue、Saturation、Value，色调、饱和度、亮度)空间的直方图、基于Luv(L表示物体亮度，u和v是色度)空间的直方图和基于Lab(L表示亮度，a和b表示颜色对立维度)空间的直方图中的至少一种，在本发明的一个具体实施例中仅采用基于HSV空间的直方图。
步骤S4：计算待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离。
在采集手样本和非手样本时，可直接计算出手样本连通域的特征向量及非手样本连通域的特征向量并存储在能够执行本发明方法的***中，这样，在该步骤中便可以直接获取手样本连通域的特征向量及非手样本的特征向量完成该计算。
该距离可以为对应Lp范数的距离，其中，在p等于1时即为曼哈顿距离，在p等于2时即为欧式距离，在p趋于无穷大时，就是切比雪夫距离，在本发明的一个具体实施例中，该距离采用欧式距离。
该距离也可以是余弦距离、幂距离等，其中，幂距离的优势在于能够为不同特征设置不同的权重，有利于提高判断准确性。
该距离还可以是马氏距离、加权的欧式距离等能够反映两个特征向量之间相近似程度的其他距离。
由于该步骤需要计算待识别连通域的特征向量与所有样本连通域的特征向量之间的计算，所以可以兼具考虑计算量与准确度确定样本数量，基于该考虑，手样本和非手样本可以各采集100至300幅，例如各采集200幅，而且手样本和非手样本的数量优选相同，这有利于提高判断的准确性。
步骤S5：获取使得上述距离最小的K个样本，并判断K个样本中手样本的数量是否大于非手样本的数量，如是，则确定待识别连通域为手特征，其中，K为奇数。
由此可见，本发明手识别方法是通过获取特征邻近二值图像中待识别连通域的K个样本，并根据K个样本中手样本的数量是否占优势的方式确定待识别连通域是否属于手特征，这相对直接根据基于人体肤色分割图像得到的二值图像确定手特征明显可以降低手特征识别的误判率，有利于提升基于手势的人机交互的准确度。
为了提高手识别的处理速度，在本发明的一个具体实施例中，手识别方法还包括如下步骤：
步骤S61：生成对应待识别连通域的当前结果列表。其中，在二值图像中存在两个以上待识别连通域的情况下，当前结果列表应该与待识别连通域一一对应。
步骤S62：每完成一次待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算，即在当前结果列表中按照距离从小到大的排列顺序***一条记录，该记录包括计算得到的距离及对应的样本类型。
在此基础上，上述获取使得距离最小的K个样本可以具体为：
在完成待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从当前结果列表中获取排列在最前面的K个样本。
为了进一步提高手识别的处理速度，本发明手识别方法还可以包括如下步骤，即在完成待识别连通域是否为手特征的判断后，即释放对应该待识别连通域的当前结果列表的存储空间。
为了使本发明方法能够支持用户根据识别准确度调整K值的应用，在本发明的一个具体实施例中，本发明手识别方法还可以包括：在接收到用户输入的K设定值后，将上述K的值更新为K设定值。
本发明还提供了一种能够实现本发明手识别方法的手识别***，如图2所示，该手识别***包括图像获取模块1、连通域提取模块2、特征向量计算模块3、距离计算模块4和判断模块5，其中，该图像获取模块1用于获取基于人体肤色分割图像得到的二值图像；该连通域提取模块2用于提取所述二值图像中的连通域作为待识别连通域；该特征向量计算模块3用于计算所述待识别连通域的对应样本的特征向量；该距离计算模块用于计算所述待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；该判断模块3用于获取使得所述距离最小的K个样本，并判断所述K个样本中手样本的数量是否大于非手样本的数量，如是，则确定所述待识别连通域为手特征，其中，K为奇数。
在本发明的一个具体实施例中，该手识别***还包括列表生成模块和结果记录模块(图中未示出)，其中，该列表生成模块用于生成对应所述待识别连通域的当前结果列表；该结果记录模块用于在所述距离计算模块每完成一次所述待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算时，即在所述当前结果列表中按照距离从小到大的排列顺序***一条记录，所述记录包括计算得到的距离及对应的样本类型。在此基础上，上述判断模块5具体用于在距离计算模块4完成待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从当前结果列表中获取排列在最前面的K个样本。
在本发明的一个具体实施例中，该手识别***还包括输入模块和更新模块(图中未示出)，其中，该输入模块用于接收用户输入的K设定值；该更新模块用于在所述输入模块接收到用户输入的K设定值后，将所述K的值更新为所述K设定值。
本发明还提供了一种能够降低误判率的手识别装置，该装置具有图像采集模块、图像处理模块和本发明手识别***，其中，图像采集模块用于采集图像提供给图像处理模块，图像处理模块用于基于人体肤色分割获得的图像，得到二值图像提供给图像获取模块1。
另外，该手识别装置还可以包括坐标确定模块，该模块用于确定手特征的待识别连通域在图像中的位置坐标。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于***实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的***实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种手识别方法，其特征在于，包括：
获取基于人体肤色分割图像得到的二值图像；
提取所述二值图像中的连通域作为待识别连通域；
计算所述待识别连通域的对应样本的特征向量；
计算所述待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；
获取使得所述距离最小的K个样本，并判断所述K个样本中手样本的数量是否大于非手样本的数量，如是，则确定所述待识别连通域为手特征，其中，K为奇数。
2.根据权利要求1所述的手识别方法，其特征在于，所述特征向量包括对应连通域的周长的平方与对应连通域的面积间的比值、对应连通域的面积、基于高斯混合模型获得的对应连通域的像素属于人体皮肤的概率平均值、基于颜色直方图获得的对应连通域的像素属于人体皮肤的概率平均值中的至少一个特征。
3.根据权利要求1所述的手识别方法，其特征在于，所述距离为对应Lp范数的距离、余弦距离或者幂距离。
4.根据权利要求1、2或3所述的手识别方法，其特征在于，所述手识别方法还包括：
生成对应所述待识别连通域的当前结果列表；
每完成一次所述待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算，即在所述当前结果列表中按照距离从小到大的排列顺序***一条记录，所述记录包括计算得到的距离及对应的样本类型；
所述获取使得所述距离最小的K个样本具体为：
在完成所述待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从所述当前结果列表中获取排列在最前面的K个样本。
5.根据权利要求1、2或3所述的手识别方法，其特征在于，所述手识别方法还包括：
在接收到用户输入的K设定值后，将所述K的值更新为所述K设定值。
6.一种手识别***，其特征在于，包括：
图像获取模块，用于获取基于人体肤色分割图像得到的二值图像；
连通域提取模块，用于提取所述二值图像中的连通域作为待识别连通域；
特征向量计算模块，用于计算所述待识别连通域的对应样本的特征向量；
距离计算模块，用于计算所述待识别连通域的特征向量与手样本连通域的特征向量、及与非手样本连通域的特征向量之间的距离；以及，
判断模块，用于获取使得所述距离最小的K个样本，并判断所述K个样本中手样本的数量是否大于非手样本的数量，如是，则确定所述待识别连通域为手特征，其中，K为奇数。
7.根据权利要求6所述的手识别***，其特征在于，所述特征向量包括对应连通域的周长的平方与对应连通域的面积间的比值、对应连通域的面积、基于高斯混合模型获得的对应连通域的像素属于人体皮肤的概率平均值、基于颜色直方图获得的对应连通域的像素属于人体皮肤的概率平均值中的至少一个特征。
8.根据权利要求6或7所述的手识别***，其特征在于，所述手识别***还包括：
列表生成模块，用于生成对应所述待识别连通域的当前结果列表；
结果记录模块，用于在所述距离计算模块每完成一次所述待识别连通域的特征向量与一样本连通域的特征向量之间的距离的计算时，即在所述当前结果列表中按照距离从小到大的排列顺序***一条记录，所述记录包括计算得到的距离及对应的样本类型；
所述判断模块具体用于在所述距离计算模块完成所述待识别连通域的特征向量与所有样本连通域的特征向量之间的距离的计算后，从所述当前结果列表中获取排列在最前面的K个样本。
9.根据权利要求6或7所述的手识别***，其特征在于，所述手识别***还包括：
输入模块，用于接收用户输入的K设定值；以及，
更新模块，用于在所述输入模块接收到用户输入的K设定值后，将所述K的值更新为所述K设定值。
10.一种手识别装置，具有图像采集模块和图像处理模块，所述图像采集模块用于以设定频率采集图像，所述图像处理模块用于基于人体肤色分割所述图像，得到二值图像；其特征在于，所述手识别装置还包括权利要求6至9中任一项所述的手识别***。
CN201510938839.4A 2015-12-15 2015-12-15 手识别方法、***及装置 Pending CN105893926A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510938839.4A CN105893926A (zh) 2015-12-15 2015-12-15 手识别方法、***及装置
PCT/CN2016/088960 WO2017101380A1 (zh) 2015-12-15 2016-07-06 手识别方法、***及装置
US15/247,852 US20170169289A1 (en) 2015-12-15 2016-08-25 Hand recognizing method, system, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510938839.4A CN105893926A (zh) 2015-12-15 2015-12-15 手识别方法、***及装置

Publications (1)

Publication Number Publication Date
CN105893926A true CN105893926A (zh) 2016-08-24

Family

ID=57002931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510938839.4A Pending CN105893926A (zh) 2015-12-15 2015-12-15 手识别方法、***及装置

Country Status (2)

Country Link
CN (1) CN105893926A (zh)
WO (1) WO2017101380A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002825A (zh) * 2018-08-07 2018-12-14 成都睿码科技有限责任公司 基于视频分析的手部包扎绷带检测方法
CN111968101A (zh) * 2020-08-26 2020-11-20 成都唐源电气股份有限公司 一种隧道渗水检测方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726668B (zh) * 2018-12-25 2022-12-23 大连海事大学 基于计算机视觉的洗手及消毒流程规范性自动检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101406390A (zh) * 2007-10-10 2009-04-15 三星电子株式会社 检测人体部位和人的方法和设备以及对象检测方法和设备
CN102324019A (zh) * 2011-08-12 2012-01-18 浙江大学 一种视频序列中自动提取手势候选区域的方法及***
US20120183203A1 (en) * 2011-01-13 2012-07-19 Samsung Electronics Co., Ltd. Apparatus and method for extracting feature of depth image
CN104063722A (zh) * 2014-07-15 2014-09-24 国家电网公司 一种融合hog人体目标检测和svm分类器的安全帽识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592115B (zh) * 2011-12-26 2014-04-30 Tcl集团股份有限公司 一种人手定位方法及***
CN103514435A (zh) * 2012-06-29 2014-01-15 富士通株式会社 手检测方法和装置
CN103530607B (zh) * 2013-09-30 2016-11-09 深圳市中智科创机器人有限公司 一种人手检测与识别的方法与装置
CN104765440B (zh) * 2014-01-02 2017-08-11 株式会社理光 手检测方法和设备
CN104573681A (zh) * 2015-02-11 2015-04-29 成都果豆数字娱乐有限公司 一种人脸识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101406390A (zh) * 2007-10-10 2009-04-15 三星电子株式会社 检测人体部位和人的方法和设备以及对象检测方法和设备
US20120183203A1 (en) * 2011-01-13 2012-07-19 Samsung Electronics Co., Ltd. Apparatus and method for extracting feature of depth image
CN102324019A (zh) * 2011-08-12 2012-01-18 浙江大学 一种视频序列中自动提取手势候选区域的方法及***
CN104063722A (zh) * 2014-07-15 2014-09-24 国家电网公司 一种融合hog人体目标检测和svm分类器的安全帽识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002825A (zh) * 2018-08-07 2018-12-14 成都睿码科技有限责任公司 基于视频分析的手部包扎绷带检测方法
CN111968101A (zh) * 2020-08-26 2020-11-20 成都唐源电气股份有限公司 一种隧道渗水检测方法及装置

Also Published As

Publication number Publication date
WO2017101380A1 (zh) 2017-06-22

Similar Documents

Publication Publication Date Title
US9020250B2 (en) Methods and systems for building a universal dress style learner
US10318800B2 (en) Gesture detection and recognition method and system
CN105493078B (zh) 彩色草图图像搜索
CN106372622A (zh) 一种人脸表情分类方法及装置
US9152857B2 (en) System and method for detecting object using depth information
EP2980755A1 (en) Method for partitioning area, and inspection device
CN103105924B (zh) 人机交互方法和装置
CN104268514A (zh) 一种基于多特征融合的手势检测方法
Wang et al. Real-time hand posture recognition based on hand dominant line using kinect
Chuang et al. Saliency-guided improvement for hand posture detection and recognition
CN106371614A (zh) 手势识别的优化方法和装置
CN105893926A (zh) 手识别方法、***及装置
CN111862031A (zh) 一种人脸合成图检测方法、装置、电子设备及存储介质
Komati et al. Kss: Using region and edge maps to detect image boundaries
CN104281850A (zh) 一种文字区域识别方法和装置
CN105404682B (zh) 一种基于数字图像内容的图书检索方法
CN104866826A (zh) 一种基于knn和像素比梯度特征的静态手语识别方法
US9053383B2 (en) Recognizing apparatus and method, program, and recording medium
Patel Point Pattern Matching algorithm for recognition of 36 ASL gestures
Półrola et al. Real-time hand pose estimation using classifiers
CN104504692A (zh) 基于区域对比度的图像中显著对象的提取方法
CN108256578B (zh) 一种灰度图像的识别方法、装置、设备及可读存储介质
CN108122011B (zh) 基于多种不变性混合的目标跟踪方法和***
Liu et al. Depth-aware layered edge for object proposal
CN108932704A (zh) 图片处理方法、图片处理装置及终端设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160824