CN110705465B - 一种基于图像处理的手型分类方法 - Google Patents
一种基于图像处理的手型分类方法 Download PDFInfo
- Publication number
- CN110705465B CN110705465B CN201910937840.3A CN201910937840A CN110705465B CN 110705465 B CN110705465 B CN 110705465B CN 201910937840 A CN201910937840 A CN 201910937840A CN 110705465 B CN110705465 B CN 110705465B
- Authority
- CN
- China
- Prior art keywords
- hand
- image
- palm
- classification method
- type classification
- 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.)
- Expired - Fee Related
Links
Images
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
- G06V40/113—Recognition of static hand signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于图像处理的手型分类方法,尤其是涉及手部图像处理技术。所述方法包括:获取被测者的手部图像;建立肤色模型选取阈值对图像进行二值化;对二值图像进行边缘检测,储存得到的手掌轮廓图像;对手掌轮廓图像进行开运算得到光滑的手掌轮廓图像;找出手掌轮廓凸包,计算出手掌的长度(L 1 )、中指的长度(L 2 )及掌宽(L 3 );计算手部特征值type;根据阈值,确定被测者手型为细长、正常、圆胖三种手型其中一种。本发明解决了传统的手型分类方法主要依靠手工测量或人工观察,手工测量费时费力且误差较大,人工观察主观性强、标准不统一的问题,提供了一种快速、准确、客观的手型分类方法。
Description
技术领域
本发明涉及一种基于图像处理的手型分类方法,尤其涉及图像处理技术和手部特征值的计算。
背景技术
在过去的几十年中,计算机技术飞速发展,各行各业中,人对计算机的依赖越来越重。因此,人与计算机的信息交互越来越受到重视。现如今人机交互的形式已经进入到多通道、多模态的阶段,而手势识别就是现阶段的一种主流趋势。然而,现在的手势识别算法都是直接提取使用者的手势特征,忽略了每个人手型之间的差异,当不同手型使用相同的标准值便可能出现错误的判断。如果进行手势识别前可以先判断使用者是哪种手型,再识别手势,就可以达到提高手势识别精度的作用。手型分类还可以应用于许多行业,例如根据不同消费者的手型定制手套、定制特定的生活用品以及可以研究运动中不同手型发力方式的区别。
由此可见手型分类的应用前景十分广阔,传统的手型分类方法主要依靠手工测量或人工观察,手工测量费时费力且误差较大,人工观察主观性强、标准不统一,所以设计一种快速、准确、客观的手型分类方法就显得尤为重要。
发明内容
本发明提供了一种基于图像处理的手型分类方法,可以对人的手型进行分类。所述方法主要包括:采集被测者完整的手部图像,进行图像处理得到手掌轮廓图像,计算手部特征值,根据阈值确定被测者的手型。
本发明采用如下方法来实现:一种基于图像处理的手型分类方法,包括:
步骤一、对被测者的手部进行图像采集,得到完整的手部图像;
步骤二、对采集到的手部图像建立肤色模型选取阈值进行二值化,存储得到的手部二值化图像;
步骤三、对步骤二中得到的二值化图像进行边缘检测,储存得到的手掌轮廓图像;
步骤四、对步骤三中得到的手掌轮廓图像进行开运算,得到光滑的手掌轮廓图像;
步骤五、分别计算出手掌的长度(L1)、中指的长度(L2)及掌宽(L3);
步骤六、用type代表手部形状特征值,计算出type的值;
步骤七、根据阈值T1和T2,确定被测者的手型。
步骤一中让志愿者右手五指自然张开、手心向下平放在桌面上,位于被测者手掌正上方的摄像头垂直向下拍摄,保证手掌与手腕都可以被拍摄到,得到手部图像,对被测者的手部进行图像采集时采用统一大小的图像分辨率。
步骤二中对手部图像进行二值化,由于人手的肤色具有较好的稳定性,人手部的细节特征变化对肤色的影响非常小,在YCbCr颜色空间下,同一种族人的手的肤色的Cb和Cr值和分布基本上是一致的,都是集中在一个小范围内。将拍摄得到的手部图片按照公式(1)从RGB颜色空间转换到YCbCr颜色空间,得到这些图片中每个像素点的Cb和Cr值。
然后再根据公式(2),选取合适的阈值完成图像的二值化,将得到的图像设为Q:
其中,Y为颜色的亮度,Cb和Cr分别表示蓝色和红色的浓度偏移量成分,a1、a2表示Y的阈值上、下限,b1、b2表示Cb的阈值上、下限,c1、c2表示Cr的阈值上、下限。
以黄种人为例,黄种人的手部肤色像素对应的Y取值主要分布在[50,255]区间内、Cb取值主要分布在[87,142]区间内、Cr取值主要分布在区间[132,151]内,则有:
步骤四中利用开运算的方法,通过先腐蚀运算,再膨胀运算,可以去除图像中手掌轮廓上的毛刺,得到光滑的手掌轮廓图像。
步骤五中测量L1、L2和L3的方法为:
a)获取整个手部的***轮廓凸包。图像处理中,凸包可视为包围图像最外层的一个凸集;
b)确定凸包缺陷与缺陷起点;
c)找到手掌和手指的相对位置,标定手掌的中心点及轮廓;
d)利用手掌中心点与手掌半径得出手掌轮廓最低点的坐标,消去最低点以下的手腕部分图像;
e)得到中指指尖A1、手掌轮廓最低点A2、中指凸包缺陷A3和手掌中心点A0四点的纵坐标,利用上述四点坐标计算得出L1、L2和L3,则有:
其中y1为A1点的纵坐标,y2为A2点的纵坐标,y3为A3点的纵坐标,y0为A0点的纵坐标。
通过大量样本统计,当L2与L1的比值乘0.3,L3与L1的比值乘0.7时,不同手型的type值变化最大,可以更准确的反映出手型类型,确定步骤六中type的计算公式:
按照公式(5)确定被测者手型为细长、正常、圆胖三种手型其中一种。
通过大量样本统计,用于确定手型的阈值T1=0.46,T2=0.58。
本发明的有益效果为:
本发明提出一种基于图像处理的手型分类方法,该方法可以确定被测者的手型为细长、正常和圆胖三种手型其中一种。可以应用于提高手势识别精确度,手套、生活用品定制,医学、运动对手部的研究等多个领域。解决了传统的手型分类方法主要依靠手工测量或人工观察,手工测量费时费力且误差较大,人工观察主观性强、标准不统一的问题,提供了一种快速、准确、客观的手型分类方法。
附图说明
图1为本发明涉及的一种基于图像处理的手型分类方法的实施例流程图。
图2为本发明涉及的一种基于图像处理的手型分类方法获取手部图像拍摄***示意图。
图3为本发明涉及的一种基于图像处理的手型分类方法L1、L2和L3具体测量方法及各点相对位置。
图4为本发明涉及的一种基于图像处理的手型分类方法测量L1、L2和L3的实施例流程图。
具体实施方式
本发明提出了一种基于图像处理的手型分类方法实施例。为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术方案作进一步详细的说明:
具体实施方式一
本发明首先提供了一种基于图像处理的手型分类方法,如图1所示,具体方法如下:
步骤一、对被测者的手部进行图像采集,得到完整的手部图像;
步骤二、对采集到的手部图像建立肤色模型选取阈值进行二值化,存储得到的手部二值化图像;
步骤三、对步骤二中得到的二值化图像进行边缘检测,储存得到的手掌轮廓图像,其中一种获取方法可以通过OpenCV中的Canny算子实现;
步骤四、对步骤三中得到的手掌轮廓图像进行开运算,得到光滑的手掌轮廓图像;
步骤五、分别计算出手掌的长度(L1)、中指的长度(L2)及掌宽(L3);
步骤六、用type代表手部形状特征值,计算出type的值;
步骤七、根据阈值T1和T2,确定被测者的手型。
具体实施方式二
与具体实施方式一不同的是,本实施方式的一种基于图像处理的手型分类方法,所述的步骤一中对被测者手部图像采集所使用的拍摄***示意图如图2所示,具体拍摄方法为:让志愿者右手五指自然张开、手心向下平放在桌面指定框内,位于被测者手掌正上方的摄像头垂直向下拍摄,保证手掌与手腕都可以被拍摄到,得到手部图像,对被测者的手部进行图像采集时采用统一大小的图像分辨率。
具体实施方式三
在具体实施方式一的基础上,L1、L2和L3的具体测量方法如图3所示,测量流程图如图4所示。
测量L1、L2和L3的方法为:
a)获取整个手部的***轮廓凸包。图像处理中,凸包可视为包围图像最外层一个凸集,其中一种获取方法可以通过OpenCV中的convexHull函数实现;
b)确定凸包缺陷(A2)与缺陷起点(A1);
c)找到手掌和手指的相对位置,标定手掌的中心点(A0)及轮廓(B1);
d)利用手掌中心点与手掌半径得出手掌轮廓最低点的坐标,消去最低点以下的手腕部分图像;
e)得到中指指尖A1、手掌轮廓最低点A2、中指凸包缺陷A3和手掌中心点A0四点的纵坐标,利用上述四点坐标计算得出L1、L2和L3,则有:
其中y1为A1点的纵坐标,y2为A2点的纵坐标,y3为A3点的纵坐标,y0为A0点的纵坐标。
Claims (9)
1.一种基于图像处理的手型分类方法,其特征在于:通过以下步骤实现:
步骤一、对被测者的手部进行图像采集,得到完整的手部图像;
步骤二、对采集到的手部图像建立肤色模型选取阈值进行二值化,存储得到的手部二值化图像;
步骤三、对步骤二中得到的二值化图像进行边缘检测,储存得到的手掌轮廓图像;
步骤四、对步骤三中得到的手掌轮廓图像进行开运算,得到光滑的手掌轮廓图像;
步骤五、分别计算出手掌的长度L1、中指的长度L2及掌宽L3;
步骤六、用type代表手部形状特征值,计算出type的值;
步骤七、根据阈值T1和T2,确定被测者的手型。
2.根据权利要求1所述的手型分类方法,其特征在于:对手部图像采集的方法为:
让志愿者右手五指自然张开、手心向下平放在桌面上,位于被测者手掌正上方的摄像头垂直向下拍摄,保证手掌与手腕都可以被拍摄到,得到手部图像。
7.根据权利要求2所述的手型分类方法,其特征在于:对被测者的手部进行图像采集时采用统一大小的图像分辨率。
8.根据权利要求3所述的手型分类方法,其特征在于:以黄种人为例,则有a1=50、a2=255、b1=87、b2=142、c1=132、c2=151。
9.根据权利要求6所述的手型分类方法,用于确定手型的阈值T1为0.46,T2为0.58。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937840.3A CN110705465B (zh) | 2019-09-30 | 2019-09-30 | 一种基于图像处理的手型分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937840.3A CN110705465B (zh) | 2019-09-30 | 2019-09-30 | 一种基于图像处理的手型分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705465A CN110705465A (zh) | 2020-01-17 |
CN110705465B true CN110705465B (zh) | 2021-05-18 |
Family
ID=69197448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910937840.3A Expired - Fee Related CN110705465B (zh) | 2019-09-30 | 2019-09-30 | 一种基于图像处理的手型分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705465B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563477A (zh) * | 2020-05-21 | 2020-08-21 | 苏州沃柯雷克智能***有限公司 | 一种合格手部照片获取方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470800A (zh) * | 2007-12-30 | 2009-07-01 | 沈阳工业大学 | 手形识别方法 |
CN105615070A (zh) * | 2014-11-04 | 2016-06-01 | 广西北海利博盛安全用品有限公司 | 手型尺寸取得及手套制造的方法 |
CN106326860A (zh) * | 2016-08-23 | 2017-01-11 | 武汉闪图科技有限公司 | 基于视觉的手势识别方法 |
CN108921011A (zh) * | 2018-05-15 | 2018-11-30 | 合肥岚钊岚传媒有限公司 | 一种基于隐马尔可夫模型的动态手势识别***及方法 |
CN109190460A (zh) * | 2018-07-23 | 2019-01-11 | 南京航空航天大学 | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010099034A1 (en) * | 2009-02-25 | 2010-09-02 | Honda Motor Co., Ltd. | Capturing and recognizing hand postures using inner distance shape contexts |
CN102760232A (zh) * | 2012-08-02 | 2012-10-31 | 成都众合云盛科技有限公司 | 基于掌纹的中远距离的在线身份识别*** |
-
2019
- 2019-09-30 CN CN201910937840.3A patent/CN110705465B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470800A (zh) * | 2007-12-30 | 2009-07-01 | 沈阳工业大学 | 手形识别方法 |
CN105615070A (zh) * | 2014-11-04 | 2016-06-01 | 广西北海利博盛安全用品有限公司 | 手型尺寸取得及手套制造的方法 |
CN106326860A (zh) * | 2016-08-23 | 2017-01-11 | 武汉闪图科技有限公司 | 基于视觉的手势识别方法 |
CN108921011A (zh) * | 2018-05-15 | 2018-11-30 | 合肥岚钊岚传媒有限公司 | 一种基于隐马尔可夫模型的动态手势识别***及方法 |
CN109190460A (zh) * | 2018-07-23 | 2019-01-11 | 南京航空航天大学 | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 |
Non-Patent Citations (1)
Title |
---|
基于分类区分度和相关性的手形特征选择方法;苑玮琦 等;《仪器仪表学报》;20130831;第34卷(第8期);第1787-1794页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110705465A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aquino et al. | vitisBerry: An Android-smartphone application to early evaluate the number of grapevine berries by means of image analysis | |
JP4997252B2 (ja) | 画像内の照明域を識別する方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN109255324A (zh) | 手势处理方法、交互控制方法及设备 | |
WO2017128606A1 (zh) | 一种教育玩具套件及其七巧板颜色识别方法 | |
CN105574161B (zh) | 一种商标图形要素识别方法、装置和*** | |
WO2018032626A1 (zh) | 一种教育玩具套件及其数字识别方法 | |
CN110530875A (zh) | 一种基于深度学习的fpcb外观缺陷自动检测算法 | |
CN105335711B (zh) | 一种复杂环境下指尖检测方法 | |
CN103914708A (zh) | 基于机器视觉的食品品种检测方法及*** | |
CN107392151A (zh) | 基于神经网络的人脸影像多维度情感判别***及方法 | |
WO2022267300A1 (zh) | 用于自动提取图像中目标区域的方法、***及存储介质 | |
Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
CN109658391A (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN111126143A (zh) | 一种基于深度学习的运动评判指导方法及*** | |
CN108601509A (zh) | 图像处理装置、图像处理方法以及程序 | |
JP7383722B2 (ja) | ターゲットコーティングの画像データにおける欠陥検出の方法とシステム | |
CN110705465B (zh) | 一种基于图像处理的手型分类方法 | |
CN109507198A (zh) | 基于快速傅里叶变换和线性高斯的口罩检测***及方法 | |
CN112381751A (zh) | 一种基于图像处理算法的在线智能检测***及方法 | |
JP5780791B2 (ja) | 細胞の追跡処理方法 | |
JP2006061170A (ja) | 皮膚の鑑別法 | |
CN110866917A (zh) | 一种基于机器视觉的药片类型及排列方式识别方法 | |
Sankaran et al. | Quantitation of Malarial parasitemia in Giemsa stained thin blood smears using Six Sigma threshold as preprocessor | |
CN115343279A (zh) | 一种基于试纸的皮肤油脂评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210518 Termination date: 20210930 |