JP6066093B2 - 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム - Google Patents
手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム Download PDFInfo
- Publication number
- JP6066093B2 JP6066093B2 JP2013537565A JP2013537565A JP6066093B2 JP 6066093 B2 JP6066093 B2 JP 6066093B2 JP 2013537565 A JP2013537565 A JP 2013537565A JP 2013537565 A JP2013537565 A JP 2013537565A JP 6066093 B2 JP6066093 B2 JP 6066093B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- finger
- finger shape
- nail
- shape
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 196
- 238000000605 extraction Methods 0.000 claims description 113
- 230000008569 process Effects 0.000 claims description 94
- 238000012545 processing Methods 0.000 claims description 92
- 238000010191 image analysis Methods 0.000 claims description 47
- 238000000926 separation method Methods 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 37
- 238000010276 construction Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 210000003811 finger Anatomy 0.000 description 315
- 210000000282 nail Anatomy 0.000 description 274
- 238000010586 diagram Methods 0.000 description 47
- 238000003384 imaging method Methods 0.000 description 34
- 238000003860 storage Methods 0.000 description 32
- 230000033001 locomotion Effects 0.000 description 29
- 238000009826 distribution Methods 0.000 description 24
- 230000005484 gravity Effects 0.000 description 18
- 210000003813 thumb Anatomy 0.000 description 18
- 238000011156 evaluation Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 13
- 238000009499 grossing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000007796 conventional method Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 230000036544 posture Effects 0.000 description 9
- 210000000245 forearm Anatomy 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 210000001145 finger joint Anatomy 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 210000000078 claw Anatomy 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 210000004932 little finger Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000001503 joint Anatomy 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012958 reprocessing Methods 0.000 description 3
- 101100113065 Mus musculus Cfi gene Proteins 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 230000005057 finger movement Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241000238633 Odonata Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 210000004905 finger nail Anatomy 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000000811 metacarpophalangeal joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
<本発明の手指形状推定技術について>
本発明では、上述した手指の個人差の問題に対応する際、必ずしも個別の情報を新たにデータベースに加えなくても推定を行うことができるようにするために、輪郭線の情報に対応する特徴量を算出するのではなく、例えば指の中心を通る情報に着目し、この情報に対応する特徴量を算出する。これにより、指の太さが大きく異なる場合や指の長さがある程度異なる場合でも同じ特徴量を取得することができる。具体的には、まず、例えば画像中に含まれる手画像(手指画像)を前景画像とし、それ以外の画像を背景画像とする。次いで、前景画像(手画像)の各画素おいて、該画素と、それに最も近い背景画素の画素との距離(ピクセル)を高さとし、手画像を山状の画像(以下では、単に、山という)として見る。そして、該山に対して引くことのできる尾根線情報(指の中心を通る情報)を取得し、取得した尾根線情報(尾根線形状)を手指形状の推定に用いる。これにより、本発明では、特別に個人差に対応したデータベースを付加しなくてもよいため、高速かつ高精度に手指形状の推定を行うことができる。
例えば、特許文献2に示すような従来技術では、入力画像を縦64[pixel]×横64[pixel]の画像に縮小し、その輪郭線情報に対応する特徴量を取得することにより画像特徴を表現した。しかしながら、本発明では、上述のように、例えば手画像を前景とし、それ以外の画像を背景としたときに前景画像の背景画像からの距離を高さと見なすことで手画像を1つの山と見なす。そして、該山に引くことのできる尾根線を手指形状の推定に用いる。尾根線情報は、指の中心を通る情報であるため、尾根線情報に対応する特徴量を算出した場合には、該特徴量に大きな変化がない。これによって、個人差の上記問題に対応するためのデータベースを新たに登録する必要なく、個人差に対応した手指形状推定を行うことができる。
例えば、特許文献2に示すような従来技術では、1つの手指データセット或いは入力画像を、縦8×横8の合計64の区画に分割し、各区画の画像の特徴を、高次局所自己相関関数に相当するような25パターンの点・線分・折れ線・エッジ等の低次の特徴量により表現した。その結果、1つの手指画像は8×8区画×25パターンの合計1600次元を持っていた。
例えば、特許文献2に示すような従来技術のデータベース規模は、約30000個のデータセットであった。その数は、多数の予備実験により、特に各指が、完全屈伸及び完全伸展と、その中間の姿勢とを高精度に推定できるようにデータベースが構築された結果である。約30000セットという数は、必ずしもコンピュータのメモリ(蓄積部)にアップロード可能な上限ではないが、推定できる分解能を更に細かくすると、必要なデータセットの桁数が爆発的に増えるため、現実的には上限に近い数であった。
上述したように、従来技術のデータベース規模は、約30000個のデータセットであった。四指の3関節がそれぞれ1自由度(すなわち、一定比率で連動して動く)、母指が3自由度、四指開閉が1自由度とすると、手指形状の種類は、四指及び母指のそれぞれの4段階の姿勢と、四指開閉の2段階の姿勢との組み合わせだけで30000種類を超えてしまう。実際には、四指開閉(すなわち、四指の内外転)が推定の良し悪しに及ぼす影響が大きいため、四指開閉の姿勢の段階を増やす必要がある。つまり、従来技術では、手指形状推定の分解能は、完全屈曲及び完全伸展と、中間姿勢1〜3種類程度とを含む荒い分解能であった。また、個人差に対応したデータセットも用意すると、従来技術のデータベース規模の30000個のデータセットでは全く足りない。
次に、第1の実施形態における手指形状推定装置の機能構成例について図を用いて説明する。図1は、本実施形態における手指形状推定装置の機能構成の一例を示す図である。図1に示す手指形状推定装置10は、入力部11と、出力部12と、蓄積部13と、画像取得部14と、データベース構築部15と、画像解析部16と、照合部17と、手指形状推定部18と、送受信部19と、制御部20とを有するよう構成されている。
ここで、上述した手指形状推定装置10においては、各機能をコンピュータ(情報処理装置、ハードウェア)に実行させることができるソフトウェアとしての実行プログラム(手指形状推定プログラム)等を生成し、例えばPC等の汎用のパーソナルコンピュータ、サーバ、スマートフォンや携帯電話等の情報端末装置、ゲーム機器等にその実行プログラムをインストールすることにより、本発明における手指形状推定処理等を実現することができる。
まず、本実施形態における手指形状推定処理手順について説明する。図3は、本実施形態における手指形状推定処理手順の一例を示すフローチャートである。なお、以下に説明する各種処理における各部の動作は、制御部20(CPU36)により制御される。
次に、上述した本実施形態における照合用データベース構築処理(S02)の手順について、フローチャートを用いて説明する。図5は、本実施形態における照合用データベース構築処理手順の一例を示すフローチャートである。なお、以下に説明する各種処理における各部の動作は、制御部20(CPU36)により制御される。
図7A及び7Bは、データベース構造の一例を示す図である。本実施形態では、例えば、図7Aに示すように、例えば所定の手指形状における手指の関節角度や前腕回旋角度等を含む角度データ(JOINT ANGLES WITH WRIST ROTATION)、画像形状比率(IMAGE ASPECTS)、及び画像特徴量(IMAGE FEATURES)の3つのデータを1つのデータセット(DATA SET)とし、様々な手指形状に対するデータセットの集まりをデータベース(DATABASE)とする。なお、角度データについては、例えば図7Bに示すように、予め角度データに対する把持動作を識別情報等により設定しておいてもよい。これにより、照合時に角度データに基づく把持動作(手指の動き)を効率的に取得することができる。
ここで、照合用データベースに含まれる手指関節角度は、例えばデータグローブ(例えば、Virtual Technologies社製、CyberGlove(登録商標))によって取得される。
次に、画像形状比率の算出方法について、具体的に説明する。図8は、画像形状比率の算出に必要な各種パラメータの一例を示す図である。画像形状比率の算出方法では、まず手指領域と背景を分離し、手指領域に対してラベリング処理を行う。そのとき、最も大きなラベル番号を持つ画素を基準点とし、基準点に基づいて手指範囲を決定する。ここで、例えば基準点から基準点のラベル番号分の画素だけ下部分を手指範囲の下端とし、手指領域が手指範囲にちょうど入るように手指範囲の上端,右端,左端を決定する。そして、画像形状比率は、縦長度,上長度,右長度の3つの値で表わされ、それぞれ次式(1)〜(3)で定義される。
次に、本実施形態における画像特徴量の取得方法について、図を用いて説明する。図9A〜9Cは、画像特徴量を取得する基準となるデータの一例を示す図である。また、図10A及び10Bは、尾根線情報抽出結果の一例を示す図である。
次に、尾根線から画像特徴量を取得する他の例について説明する。具体的には、本実施形態における輪郭線走査から尾根線ベクトルを取得する処理手順についてフローチャートを用いて説明する。図13は、本実施形態における輪郭線走査から尾根線ベクトルを取得する処理手順の一例を示すフローチャートである。
次に、本実施形態における手指形状推定手法について具体的に説明する。まず、カメラ等の撮像装置21等から得られた画像から手指領域を求め、例えば上述したように画像形状比率、及び画像特徴量等をそれぞれ求める。次に、データベース探索を行うが、本実施形態では、2段階のデータベース探索手法を用いる。
ここで、上述したベクトル情報を用いて、上述した照合部17等による照合処理を行う場合には、例えばベクトル特徴量や、ベクトル個数等のうち、少なくとも1つのデータから構成されるデータセットを必要数だけ蓄積したデータベースを予め用意するのが好ましい。
ここで、例えばユーザの手指形状が登録されている手指形状推定装置において、設計者に軍手を装着させることによって疑似的に指の太いユーザを作り出し、個人差による推定精度の変化を評価する。ここで、図15A及び15Bは、素手の状態と軍手を付けた状態とで同じ手指形状をした場合に得られる輪郭線情報及び尾根線情報の違いの一例を示す図である。図15Aは、素手の状態での輪郭線情報及び尾根線情報を示し、図15Bは、軍手を付けた状態での輪郭線情報及び尾根線情報を示す。
ここで、本発明の手指形状推定技術の適用例について、図を用いて説明する。図18A及び18Bは、本発明の適用例を示す図である。本発明の手指形状推定技術は、例えば図18Aに示すように、遠隔ロボットの操作に適用することができる。
第2の実施形態では、手指画像内の爪領域を抽出するための爪領域抽出技術(爪領域抽出装置、爪領域抽出方法、及び、爪領域抽出プログラム)について、説明する。
従来、指の先端位置を特定する手法として、例えば、特開2009−265809号公報等には、爪の存在情報を推定時の情報に付加し、推定精度を向上させる手法が開示されている。この文献では、予め爪領域画素の特徴量を集めたデータベースと、爪を含まない肌領域画素の特徴量を集めたデータベースとを用いて機械学習により識別器を構築し、その識別器を用いて爪を検出することで、指先等の動作を識別し、各動作に割り当てられた制御を実行している。
第2の実施形態に係る爪領域抽出装置は、撮像装置により撮影された画像中に含まれる爪領域を抽出する爪領域抽出装置であり、前記撮像装置により撮影された画像を取得する画像取得部と、前記画像取得部により得られる画像を解析し、解析された結果から得られる所定の特徴量から爪領域を抽出する爪領域抽出部とを有し、前記爪領域抽出部は、前記画像から得られる色情報のみを用いて分離平面を生成し、生成された分離平面に基づいて爪領域候補を抽出し、予め設定された掌を含む画像を用いた画素判別により、前記爪領域候補に対して爪領域の再判定を行うことを特徴とする。
第2の実施形態に係る爪領域抽出技術では、色情報のみを用いた分離平面生成と、掌を含む画像に対しても爪領域の推定を可能とするための画素判別とを行うと共に画素判別後の再判定を行う。つまり、本実施形態では、分離平面を決定するための処理(アルゴリズム)を有することで、爪及び肌のそれぞれの解析が不要となるため、処理内容を軽減して処理速度を向上させることができる。また、本実施形態では、例えば従来手法のように、データベース等を用いた推定を行わないため、個人差の影響への対応が原理的に簡単となる。更に、本実施形態では、爪の色と類似した色を有する肌領域を除去する手法を備えているため、手指領域全体に対して高精度に爪領域を抽出することができる。
まず、本実施形態における爪領域抽出装置の機能構成例について図を用いて説明する。図19は、本実施形態における爪領域抽出装置の機能構成の一例を示す図である。図19に示す爪領域抽出装置110は、入力部111と、出力部112と、蓄積部113と、画像取得部114と、画像解析部115と、爪領域抽出部116と、手指形状推定部117と、送受信部118と、制御部119とを有するよう構成されている。
ここで、上述した爪領域抽出装置110においては、各機能をコンピュータ(ハードウェア)に実行させることができるソフトウェアとしての実行プログラム(例えば、爪領域抽出プログラム)等を生成し、例えばPC等の汎用のパーソナルコンピュータ、サーバ、スマートフォンや携帯電話等の情報端末装置、ゲーム機器等にその実行プログラムをインストールすることにより、本実施形態における爪領域抽出処理等を実現することができる。
まず、本実施形態における爪領域抽出処理手順の概略について説明する。図21は、本実施形態における爪領域抽出処理手順の一例を示すフローチャートである。なお、以下に説明する各種処理における各部の動作は、制御部119(CPU126)により制御される。
次に、上述したS103における爪領域抽出処理の具体例について図等を用いて説明する。
まず最初に、RGB色空間における手指画像の画素分布の特徴について説明する。図22は、手指画像のRGB色空間における画素分布のモデルの一例を示す図である。図22に示すように、肌領域画素(SKIN AREA DISTRIBUTION)は、薄い楕円体のように密集して分布しており、爪領域画素(NAIL AREA DISTRIBUTION)は、楕円体の上部に一部の空間を共有しながら層状に乗るような形で分布している。ここで、この共有部分(COMMOM AREA)は、明度が低いほど増加する。
そこで、本実施形態では、以下の手法に基づいて爪領域の抽出を行う。図23は、本実施形態における爪領域抽出処理の具体例を示すフローチャートである。また、手指画像の背景は黒色とするが、これに限定されるものではない。
次に、上述したS112の処理における爪に似た色を持つ画素を抽出する手法について説明する。図24A〜24Cは、主成分軸を基底とした座標変換の一例を示す図である。なお、図24Aは、皮膚(SKIN)及び爪(NAIL)の手指画像のRGB画素分布を示し、図24Bは、皮膚及び爪の第1主軸(1ST MAIN AXIS)−第3主軸(3RD MAIN AXIS)平面の画素分布を示し、図24Cは、皮膚及び爪の第2主軸(2ND MAIN AXIS)−第3主軸平面の画素分布を示している。また、図25A及び25Bは、分離平面位置決定手法の一例を示す図である。ここで、一例として、第1主軸は肌色における明度の軸を意味し、第2主軸は暖色系の軸を意味し、第3主軸は寒色系の軸を意味しているが、本実施形態においてはこれに限定されるものではない。
次に、爪領域候補の決定後、上述したS116の処理において爪を判定して爪領域を決定する手法について説明する。爪領域候補の決定時では、カメラの撮像方向による光の反射の違いが影響し、ごく小さい領域しか出なかった爪や、爪領域より大きい領域で誤抽出されてしまった肌が爪領域候補となっている可能性がある。そのため、例えば平滑化処理やクロージング処理等の単純な処理では、肌領域より先に爪領域が消えてしまい、誤抽出領域を除去できない場合が生じる。なお、領域が大きく抽出されてしまい、誤抽出されてしまう場所は、およそ位置が決まっている。
次に、上述した本実施形態に基づく爪領域抽出結果の評価実験、及び、その評価結果について、図を用いて説明する。図29A〜29Cは、本実施形態における評価結果について説明するための図である。なお、図29Aは、手の甲(BACK)及び掌(PALM)における爪領域候補から、実際に爪として判定される確率(DETECTION PROBABILITY[%])を各指(THUMB(親指),INDEX(人差し指)、MIDDLE(中指)、RING(薬指)、PINKY(小指))及び皮膚(SKIN)毎に求めた一例を示し、図29Bは、手の甲及び掌における抽出した爪の重心と実重心とのユークリッド距離誤差(DISTANCE[PIXEL])を各指毎に求めた一例を示し、図29Cは、手の甲側のみが写る画像の爪領域重心とROIの一例を示す。
ここで、本実施形態における爪領域抽出技術の適用例について、図を用いて説明する。図30は、本実施形態の爪領域抽出技術の適用例を示す図である。図30では、本実施形態における爪領域抽出装置の機能と、輪郭線を用いた既存の手指形状推定装置の機能とを具備した手指形状推定システム130が示されている。具体的には、手指形状推定システム130は、撮影装置であるカメラ131と、輪郭線情報取得処理系132と、爪情報取得処理系133と、データベース照合部134とを有している。ここで、爪情報取得処理系133とは、上述した爪領域抽出装置110に相当する。
11,111 入力部
12,112 出力部
13,113 蓄積部
14,114 画像取得部
15 データベース構築部
16,115 画像解析部
17 照合部
18,117 手指形状推定部
19,118 送受信部
20,119 制御部
21,120 撮像装置
31,121 入力装置
32,122 出力装置
33,123 ドライブ装置
34,124 補助記憶装置
35,125 メモリ装置
36,126 CPU
37,127 ネットワーク接続装置
38,128 記録媒体
40 ロボット
41,51 ユーザ
42,43,52 手指
44 ロボットカメラ
50 携帯端末
53 モバイルプロジェクタ機能
110 爪領域抽出装置
116 爪領域抽出部
130 手指形状推定システム
131 カメラ
132 輪郭線情報取得処理系
133 爪情報取得処理系
134 データベース照合部
Claims (14)
- 手指形状を含む画像を取得する画像取得部と、
前記画像取得部により取得された画像を解析して、前記画像中に含まれる手指の尾根線形状に対応する第1の特徴量を取得する画像解析部と、
前記画像解析部により得られた前記第1の特徴量に基づいて、予め設定された所定の手指形状に対応する第2の特徴量が蓄積された照合用のデータベースを参照し、前記第1の特徴量に対応する手指形状を推定する手指形状推定部とを備え、
前記画像解析部は、前記画像中に含まれる手指画像を前景とし、該手指画像以外の画像を背景として、前記前景画像における前記背景画像からの距離を高さと見なすことで前記画像を1つの山状の画像と見なし、該山状の画像から前記尾根線形状の情報を取得する
手指形状推定装置。 - さらに、前記データベースを構築するデータベース構築部を備え、
前記データベース構築部により構築されたデータベースには、前記所定の手指形状に対して、少なくとも前記所定の手指形状に対応する角度データ及び前記第2の特徴量が蓄積される
請求項1に記載の手指形状推定装置。 - 前記手指形状推定部は、前記データベースから前記手指形状における所定の形状パラメータによるデータセットの絞りこみを行い、絞り込まれたデータセット群に対して前記第1の特徴量を用いて類似度計算を行い、最も類似するデータセットを出力する
請求項1又は2に記載の手指形状推定装置。 - 前記画像解析部は、前記画像中に含まれる手指画像の輪郭線走査により得られる尾根線ベクトルの傾きに基づいて尾根線ベクトルの始点と終点を設定し、
前記手指形状推定部は、前記画像解析部により設定された尾根線ベクトルの始点及び/又は終点の位置に基づいて前記手指形状を推定する
請求項1〜3のいずれか一項に記載の手指形状推定装置。 - さらに、前記画像取得部により取得された前記画像から得られる色情報のみを用いて分離平面を生成し、生成された分離平面に基づいて爪領域候補を抽出し、予め設定された掌を含む画像を用いた画素判別により、前記爪領域候補に対して爪領域の再判定を行う、爪領域抽出部を備える
請求項1〜4のいずれか一項に記載の手指形状推定装置。 - 前記爪領域抽出部は、実際の爪の場合の画素と、爪と類似する色を持つ画素とが、爪領域周辺と肌領域とにおいて密集の度合いが異なる性質を利用して爪の判定を行う
請求項5に記載の手指形状推定装置。 - 前記爪領域抽出部は、予め用意された掌のみが写る画像の画素情報を、主成分分析により、予め設定された第1から第3までの主軸のうちの2つの主軸を用いて主成分軸基底変換し、前記2つの主軸のうちの1つの主軸に沿った分離平面の位置を高い位置から下げ、密度の大きい領域に差し掛かったところを前記分離平面とし、前記分離平面を用いて前記爪領域を抽出する
請求項5又は6に記載の手指形状推定装置。 - 手指形状を含む画像を取得することと、
前記取得された画像を解析して、前記画像中に含まれる手指の尾根線形状に対応する第1の特徴量を取得することと、
前記第1の特徴量に基づいて、予め設定された所定の手指形状に対応する第2の特徴量が蓄積された照合用のデータベースを参照し、前記第1の特徴量に対応する手指形状を推定することとを含み、
前記第1の特徴量を取得することは、
前記画像中に含まれる手指画像を前景とし、該手指画像以外の画像を背景として、前記前景画像における前記背景画像からの距離を高さと見なすことで前記画像を1つの山状の画像と見なし、該山状の画像から前記尾根線形状の情報を取得することを含む
手指形状推定方法。 - さらに、前記所定の手指形状に対して、少なくとも前記所定の手指形状に対応する角度データ及び前記第2の特徴量が蓄積された前記データベースを構築することを含む
請求項8に記載の手指形状推定方法。 - 前記手指形状を推定することは、
前記データベースから前記手指形状における所定の形状パラメータによるデータセットの絞りこみを行うことと、絞り込まれたデータセット群に対して前記第1の特徴量を用いて類似度計算を行うことと、該類似度計算の結果に基づいて最も類似するデータセットを出力することと含む
請求項8又は9に記載の手指形状推定方法。 - 前記第1の特徴量を取得することは、
前記画像中に含まれる手指画像の輪郭線走査により得られる尾根線ベクトルの傾きに基づいて尾根線ベクトルの始点と終点とを設定することを含み、
前記手指形状を推定することは、
前記設定された尾根線ベクトルの始点及び/又は終点の位置に基づいて手指形状を推定することを含む
請求項8〜10のいずれか一項に記載の手指形状推定方法。 - さらに、前記手指形状を推定することの前に、前記画像から得られる色情報のみを用いて分離平面を生成し、生成された分離平面に基づいて爪領域候補を抽出し、予め設定された掌を含む画像を用いた画素判別により、前記爪領域候補に対して爪領域の再判定を行うことにより爪領域を抽出することを含む
請求項8〜11のいずれか一項に記載の手指形状推定方法。 - 手指形状を含む画像を取得する処理と、
前記取得された画像を解析して、前記画像中に含まれる手指の尾根線形状に対応する第1の特徴量を取得する処理と、
前記第1の特徴量に基づいて、予め設定された所定の手指形状に対応する第2の特徴量が蓄積された照合用のデータベースを参照し、前記第1の特徴量に対応する手指形状を推定する処理とを情報処理装置に実装して実行させ、
前記第1の特徴量を取得する処理は、
前記画像中に含まれる手指画像を前景とし、該手指画像以外の画像を背景として、前記前景画像における前記背景画像からの距離を高さと見なすことで前記画像を1つの山状の画像と見なし、該山状の画像から前記尾根線形状の情報を取得する処理を含む
手指形状推定プログラム。 - さらに、前記手指形状を推定する処理の前に、前記画像から得られる色情報のみを用いて分離平面を生成し、生成された分離平面に基づいて爪領域候補を抽出し、予め設定された掌を含む画像を用いた画素判別により、前記爪領域候補に対して爪領域の再判定を行うことにより爪領域を抽出する処理を情報処理装置に実装して実行させる
請求項13に記載の手指形状推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013537565A JP6066093B2 (ja) | 2011-10-07 | 2012-10-05 | 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム |
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011223493 | 2011-10-07 | ||
JP2011223492 | 2011-10-07 | ||
JP2011223493 | 2011-10-07 | ||
JP2011223492 | 2011-10-07 | ||
JP2013537565A JP6066093B2 (ja) | 2011-10-07 | 2012-10-05 | 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム |
PCT/JP2012/075898 WO2013051681A1 (ja) | 2011-10-07 | 2012-10-05 | 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2013051681A1 JPWO2013051681A1 (ja) | 2015-03-30 |
JP6066093B2 true JP6066093B2 (ja) | 2017-01-25 |
Family
ID=48043834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013537565A Active JP6066093B2 (ja) | 2011-10-07 | 2012-10-05 | 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6066093B2 (ja) |
WO (1) | WO2013051681A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101913952B1 (ko) * | 2017-07-11 | 2018-10-31 | 경북대학교 산학협력단 | V-CNN 접근을 통한 iPSC 집락 자동 인식 방법 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6304095B2 (ja) * | 2015-03-26 | 2018-04-04 | 株式会社Jvcケンウッド | 電子機器 |
JP6439634B2 (ja) * | 2015-09-04 | 2018-12-19 | 富士通株式会社 | 生体認証装置、生体認証方法および生体認証プログラム |
JP6488961B2 (ja) * | 2015-09-28 | 2019-03-27 | 富士通株式会社 | 生成方法、判別方法、プログラム及び情報処理装置 |
TWI570676B (zh) * | 2015-12-28 | 2017-02-11 | 國立高雄應用科技大學 | 手語翻譯系統 |
JP6810442B2 (ja) * | 2016-06-20 | 2021-01-06 | 聖 星野 | カメラアセンブリ、そのカメラアセンブリを用いる手指形状検出システム、そのカメラアセンブリを用いる手指形状検出方法、その検出方法を実施するプログラム、及び、そのプログラムの記憶媒体 |
CN107450672B (zh) * | 2017-09-19 | 2024-03-29 | 曾泓程 | 一种高识别率的腕式智能装置 |
JP7039991B2 (ja) * | 2017-12-22 | 2022-03-23 | カシオ計算機株式会社 | 輪郭検出装置、描画装置、輪郭検出方法及び輪郭検出プログラム |
KR102373960B1 (ko) | 2021-09-10 | 2022-03-15 | (주)웅진씽크빅 | 독서 지원 장치 및 이를 이용한 사용자 입력 감지 방법 |
CN114708648B (zh) * | 2022-03-07 | 2024-07-02 | 杭州易视通科技有限公司 | 基于人工智能的手语识别方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3863809B2 (ja) * | 2002-05-28 | 2006-12-27 | 独立行政法人科学技術振興機構 | 手の画像認識による入力システム |
JP2005091085A (ja) * | 2003-09-16 | 2005-04-07 | Gifu Univ | 非接触型関節角度計測システム |
JP5526465B2 (ja) * | 2007-06-22 | 2014-06-18 | 国立大学法人 筑波大学 | 爪位置データ検出装置及び爪位置データ検出方法、並びに爪位置データ検出プログラム |
US9002119B2 (en) * | 2008-06-04 | 2015-04-07 | University Of Tsukuba, National University Corporation | Device method and program for human hand posture estimation |
-
2012
- 2012-10-05 WO PCT/JP2012/075898 patent/WO2013051681A1/ja active Application Filing
- 2012-10-05 JP JP2013537565A patent/JP6066093B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101913952B1 (ko) * | 2017-07-11 | 2018-10-31 | 경북대학교 산학협력단 | V-CNN 접근을 통한 iPSC 집락 자동 인식 방법 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2013051681A1 (ja) | 2015-03-30 |
WO2013051681A1 (ja) | 2013-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6066093B2 (ja) | 手指形状推定装置、手指形状推定方法、及び手指形状推定プログラム | |
JP5403699B2 (ja) | 手指形状推定装置、手指形状の推定方法及びプログラム | |
JP3863809B2 (ja) | 手の画像認識による入力システム | |
Zhou et al. | A novel finger and hand pose estimation technique for real-time hand gesture recognition | |
JP4332649B2 (ja) | 手の形状と姿勢の認識装置および手の形状と姿勢の認識方法並びに当該方法を実施するプログラムを記録した記録媒体 | |
Hasan et al. | Hand gesture modeling and recognition using geometric features: a review | |
KR101807241B1 (ko) | 단일 카메라 기반의 3차원 영상 해석 장치 및 방법, 3차원 영상 해석을 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 매체 | |
Wen et al. | A robust method of detecting hand gestures using depth sensors | |
Bhuyan et al. | Fingertip detection for hand pose recognition | |
EP2980755B1 (en) | Method for partitioning area, and inspection device | |
JP5283088B2 (ja) | 画像検索装置および同画像検索装置に適用される画像検索用コンピュータプログラム | |
JP2014165660A (ja) | バーチャルキーボードの入力方法、プログラム、記憶媒体、及びバーチャルキーボードシステム | |
KR101612605B1 (ko) | 얼굴 특징점 추출 방법 및 이를 수행하는 장치 | |
JP2012518236A (ja) | ジェスチャー認識のための方法及びシステム | |
JP2014137818A (ja) | 手の平開閉動作識別方法と装置、マン・マシン・インタラクション方法と設備 | |
JP6487642B2 (ja) | 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。 | |
JP6651388B2 (ja) | ジェスチャモデリング装置、ジェスチャモデリング方法、ジェスチャモデリングシステム用のプログラム、およびジェスチャモデリングシステム | |
JP5114871B2 (ja) | 映像提供装置 | |
JP2016099643A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
KR101281461B1 (ko) | 영상분석을 이용한 멀티 터치 입력 방법 및 시스템 | |
CN113282164A (zh) | 一种处理方法和装置 | |
Czupryna et al. | Real-time vision pointer interface | |
JP2012003724A (ja) | 三次元指先位置検出方法、三次元指先位置検出装置、及びプログラム | |
JP6810442B2 (ja) | カメラアセンブリ、そのカメラアセンブリを用いる手指形状検出システム、そのカメラアセンブリを用いる手指形状検出方法、その検出方法を実施するプログラム、及び、そのプログラムの記憶媒体 | |
Rong et al. | RGB-D hand pose estimation using fourier descriptor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151002 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161020 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6066093 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |