基于肤色分割的手势识别技术研究

北方民族大学电气信息工程学院 蒋涵妮

基于肤色分割的手势识别技术研究

北方民族大学电气信息工程学院 蒋涵妮

随着计算机技术的发展，手势识别逐渐成为了人机交互的热点问题。本文利用肤色的特殊性，在肤色检测上通过HSV空间图像处理的肤色检测技术，较好地将背景区域分割掉，再通过手势区域判定条件剔除小面积类肤色区域和人脸区域，将手势部分分割出来。特征提取部分利用曲率算法得到指尖个数，最后通过指尖个数进行手势识别。

人机交互；手势识别；肤色分割；曲率算法

0 引言

随着计算机技术的发展，人机交互逐渐成为学者们研究的热潮，它将我们的生活引领到更加方便更加智能的潮流中。其中手势作为人体敏感、灵活的部位，更是被广泛地应用于人机交互中，称为我们所熟知的手势识别。

本文主要介绍静态手势识别。利用人体肤色的特殊性，通过肤色分割将背景区域排除掉，再通过手势区域判定条件剔除小面积类肤色区域和人脸区域，提取出手势部分；利用曲率算法得到指尖个数，通过指尖个数将手势分类。

1 基于HSV颜色空间的手势分割

1.1 图像颜色空间转换

在计算机视觉中，彩色空间主要有RGB、HSV、HIS等。目前常用的颜色空间是RGB颜色空间，但是从RGB值中很难知道值所表示的如色调、饱和度、亮度等颜色的认知属性，而且RGB值在很小的变化下都会引起较大的波动，并且在实际检测中RGB并不能准确地识别出手势，尤其是当背景色与肤色对比不强烈的时候。

HSV颜色空间是比RGB颜色空间更能准确描述颜色联系的一种色彩空间模型，其中H代表色彩的色调；S代表饱和度，即指色彩的纯度；V代表亮度。RGB空间到HSV空间的转换过程如式(1)所示。

1.2 肤色分割算法

不同人种的肤色的R、G、B颜色分量分布分散，且差异较大，但在HSV颜色空间中，不同人种的肤色的色调(H)基本是一致的。根据查阅资料，不同人种的H值大部分都集中在0.055～0.09范围内，最终确定肤色的阈值为0.03～0.128。

经过阈值分割，将在阈值范围内的像素置为1，其余像素置为0，如式(3)所示，得到分割后的二值图像，此时二值图像中包含脸部区域和手势区域。

经多次实验得出，若二值化后的一些肤色区域或类肤色区域面积占整幅图面积比低于0.02，那么这些区域不是人手或者人脸，将这些小面积肤色区域剔除。剩下的区域为人脸区域和手势区域，计算肤色的高度和宽度比K,若在[0.7,3.0]之间，为手势区域。

2 特征提取

在OpenCV函数库中，调用cvFindContours函数将图像轮廓从二值图像中检索出来，得到手势轮廓。

设手势轮廓序列为P，则轮廓序列可以表示如式(4)所示：

3 实验与识别结果

按照指尖曲率算法得到每种手势的指尖数目，然后根据指尖数目的不同区分每种手势，本文对0～5这6种手势进行识别。

实验过程中，共有5位实验者参加，在3中背景下进行，每位实验者摆出0～5共6种手势，每种手势变换各种姿势做10遍，共计900个手势，识别结果如表1所示：

数字手势012345识别率（%）9898999395100

4 总结与展望

本文利用肤色的特殊性，在肤色检测上通过HSV空间图像处理的肤色检测技术，较好地将背景区域分割掉，再通过手势区域判定条件剔除小面积类肤色区域和人脸区域，将手势部分分割出来。特征提取部分利用曲率算法得到指尖个数，最后通过指尖个数进行手势识别。

人机交互是未来研究的重要方向，就目前的发展趋势，手势识别将逐步渗透到各个专业领域以及人们的生产生活中，手势识别的发展可以大大的方便人们的生活，逐渐地提高人们的生活水平。

[1]杨明华．手势识别技术的应用研究[D]．东华大学．2012．

[2]莫舒．基于视觉的手势分割算法的研究[D]．华南理工大学．2012．

[3]路凯,李小坚,周金祥．基于肤色和边缘轮廓检测的手势识别[J]．北方工业大学学 报,2006,18(3)：12-15．

[4]陈锻生,刘政凯．肤色检测技术综述[J]．计算机学报,2006,29 (2)：194-207．

[5]曹昕燕;赵继印;李敏;;基于肤色和运动检测技术的单目视觉手势分割[J];湖南大学学报(自然科学版);2011,1：56-58．