基于肤色建模及自动阈值方式的手势提取研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于肤色建模及自动阈值方式的手势提取研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：在手势图像处理中，手势轮廓识别率高低的基础之一就在于能否精确的把手势轮廓提取出来。针对类肤色信息和复杂背景的影响，提出一种用单峰高斯概率函数的方法把不同人种的肤色在YcbCr彩色空间的分布进行建模，建立的模型用于手势图像的提取得出手势图像的似然概率图，接下来应用自动阈值和图像处理方法提取了手势的最终二值化轮廓，实验结果表明本文所用方法的简单高速有效性。

关键词：YCbCr色彩空间；肤色；高斯模型；自动阈值

中图分类号：TP274 文献标识码：A 文章编号：1009-3044（2013）17-4076-04

人手和或者人手和手臂结合就会产生各种姿势或者动作我们把这些姿势或者动作称为手势。随着多模式人机交互技术发展，基于计算机视觉的手势识别的应用研究也越来越来多。然而，在图像中手势的提取是手势识别的重要前提之一， 然而，由于视角、光线以及手势图片背景复杂性使得手势提取环节面临很多难题。该文利用高斯模型对肤色进行建模，然后用概率阈值方法先提取出手势的似然图，最后应用图像处理方法提取出手势。实验结果表明了本文使用方法的有效性。

1 YCbCr彩色空间

2 应用高斯概率函数建立肤色模型

2.1肤色与非肤色在YCbCr彩色空间中的聚类分析

要把人手从简单的背景下分割出来，人体的肤色是最主要的特征之一。首先，手的肤色的处理比起手的其他特征的处理要简单；其次，人体肤色的差别主要是其色彩强度，例如，不同的光照条件和各个肤色人种。并且，人类的肤色和世界上其他大部分自然物体的颜色都是有区别的，已经有学者尝试着建立全面的肤色模型和非肤色模型了。由前面介绍，我们将用YCbCr彩色空间来表示肤色的分布，如图1所示，就是一组肤色像素样本在CbCr平面上的分布。

从上图我们可以看出，肤色在CbCr彩色空间中有很好的聚类性，而我们在本文中所要运用的高斯模型对人体肤色的建模正是基于这一点所设计的，根据人体肤色的良好聚类性，可以根据我们所选用的肤色样本，计算出此模型的各个参数，也就是建立一个模型，然后根据这个模型计算一个像素点为肤色的概率值。

2.2 肤色单峰高斯模型

4 结束语

本文用高斯概率函数结合不同人种的肤色在YCbCr彩色空间建立了一个肤色模型，基于该肤色模型，我们计算有手势图像的照片中各个像素是肤色的概率值。为了提取出手势轮廓，我们应用自动阈值分割方法来自动的获得肤色概率值的阈值，有效的提取了手势范围内肤色区域。然后，把得到的概率图像做了进一步的图像处理，有效的去除了其他非手势部位的图像干扰背景得到了最终具有明显几何特征的二值化手势图像，这将为下一步手势特征的提取及手势识别打下重要的基础。

参考文献：

[1] 路凯，李小坚.手势识别研究概述[J].西安文理学院学报，2006，9（2）：91-94.

[2] Rautaray S S ， Agrawal A.Real time multiple hand gesture recognition system for human computer interaction [J]. International Journal of Intelligent Systems and Applications，2012，5（8）：56-64.

[3] SONG Y，Demirdjian D，Davis R.Continuous body and hand gesture recognition for natural human—computer interaction[J].ACM Transactions on Interactive Intelligent Systems，2012，2（1）：5.

[4] RENZ，，YUAN J，，ZHANG Z. Robust hand gesture recognition based on finger-earth movers distance with a commodity depth camera[C]//Proceedings of the 19th ACM International Conference on Multimedia.New York：ACM，2011：1093-1096.

[5] 冈萨雷斯.数字图像处理[M].北京：电子工业出版社，2007.

[6]Wenmiao Lu ， Shaohua Sun. Face Detection in Color Images. Stanford University， 2006.

[7] Chiunhsiun Lin. Face detection in complicated backgrounds and different illumination conditions by using YCbCr color space and neural network.. Pattern Recognition Letters 28 （2007） 2190–2200.

[8] Menser， Wien. Segmentation and Tracking of Facial Regions in Color Image Sequences. RWTH， Aachen， Germany， 1999.

[9] Jones， Rehg. Statistical Color Models with Application to Skin Detection.Tech-Rep. CRL 98/11， Compaq Cambridge Research Lab 1998.