本發(fā)明涉及計(jì)算機(jī)信號(hào)處理技術(shù)領(lǐng)域，具體涉及一種手勢(shì)識(shí)別方法及系統(tǒng)。

背景技術(shù)：

隨著科技的發(fā)展和人們生活方式的轉(zhuǎn)變，人們對(duì)智能化的生活方式有著越來越高的要求，相對(duì)于傳統(tǒng)的人機(jī)按鍵交互，人們更加傾向于自然的智能化的人機(jī)交互方式。手勢(shì)識(shí)別可以把手勢(shì)這種自然、直觀的交流方式引入人機(jī)接口中，實(shí)現(xiàn)更符合人類行為習(xí)慣的人機(jī)交互，在人機(jī)交互的發(fā)展過程中起到了不可或缺的作用；基于視覺的手勢(shì)識(shí)別成為了人機(jī)交互領(lǐng)域中一個(gè)非?；钴S的研究領(lǐng)域，現(xiàn)有技術(shù)中基于視覺的手勢(shì)識(shí)別在數(shù)據(jù)采集時(shí)對(duì)外部環(huán)境的依賴比較大，如復(fù)雜光照、復(fù)雜背景等，容易對(duì)結(jié)果造成較為嚴(yán)重的干擾，當(dāng)背景接近膚色時(shí)無法準(zhǔn)確提取出手部區(qū)域，因此一些基于膚色的手勢(shì)識(shí)別技術(shù)要求手部顏色與背景顏色有較好的區(qū)分，另外，多數(shù)的手勢(shì)識(shí)別系統(tǒng)不僅識(shí)別算法復(fù)雜，而且僅能支持較少的手勢(shì)，擴(kuò)展性及實(shí)用性并不理想。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)以上技術(shù)問題，提供一種手勢(shì)識(shí)別方法及系統(tǒng)，以解決現(xiàn)有技術(shù)的 缺陷；

具體技術(shù)方案如下：

一種手勢(shì)識(shí)別方法，其中，包括以下步驟：

步驟s1，采集圖像以獲取圖像序列；

步驟s2，獲取所述圖像序列中的預(yù)定圖像幀之間的幀差，依據(jù)所述幀差進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域；

步驟s3，在所述運(yùn)動(dòng)區(qū)域中進(jìn)行靜態(tài)手勢(shì)識(shí)別；

步驟s4，在識(shí)別到靜態(tài)手勢(shì)后進(jìn)行動(dòng)態(tài)手勢(shì)識(shí)別。

上述的手勢(shì)識(shí)別方法，所述步驟s2具體如下：

步驟s21，計(jì)算二值幀差：獲取第n-1幀的像素灰度與第n-2幀的像素灰度之間的幀差作為第一幀差，取得所述第一幀差大于0的第一像素點(diǎn)集合；獲取第n幀的像素灰度與第n-2幀的像素灰度之間的幀差作為第二幀差，取得所述第二幀差中的第一像素點(diǎn)集合部分作為第二像素點(diǎn)集合；獲取所述第二像素點(diǎn)集合中像素大于第一設(shè)定閾值的第三像素點(diǎn)集合；

步驟s22，對(duì)于得到的所述第三像素點(diǎn)集合的幀差圖像進(jìn)行圖像處理以得到當(dāng)前運(yùn)動(dòng)圖；

步驟s23，將所述當(dāng)前運(yùn)動(dòng)圖更新至歷史運(yùn)動(dòng)信息中，并且引入時(shí)間信息；

步驟s24，利用所述歷史運(yùn)動(dòng)信息進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域。

上述的手勢(shì)識(shí)別方法，所述步驟s3的具體步驟如下：

步驟s31a，將當(dāng)前圖像中的搜索窗口劃分成復(fù)數(shù)個(gè)子區(qū)域；

步驟s32a，對(duì)每個(gè)所述子區(qū)域中的每個(gè)像素計(jì)算出局部二值特征值，依 據(jù)所述局部二值特征值獲得每個(gè)子區(qū)域的直方圖后進(jìn)行歸一化；

步驟s33a，將歸一化后的復(fù)數(shù)個(gè)所述子區(qū)域的直方圖連接成為特征向量；

步驟s34a，根據(jù)已訓(xùn)練好的分類器特征庫，運(yùn)用級(jí)聯(lián)的方法在當(dāng)前圖像中搜索手勢(shì)區(qū)域。

上述的手勢(shì)識(shí)別方法，所述步驟s34a之后，還包括：

步驟s35a，在運(yùn)動(dòng)區(qū)域中進(jìn)行手勢(shì)檢測(cè)，計(jì)算檢測(cè)到的手勢(shì)矩形框與各個(gè)手勢(shì)隊(duì)列的檢測(cè)框的重疊率；

步驟s36a，判斷所述重疊率是否大于一第二設(shè)定閾值；如果是，執(zhí)行步驟s37a，如果否，執(zhí)行步驟s38a；

步驟s37a，將所述手勢(shì)矩形框分配到重疊率大于所述第二設(shè)定閾值的手勢(shì)隊(duì)列；

步驟s38a，將所述手勢(shì)矩形框分配入一新的手勢(shì)隊(duì)列。

上述的手勢(shì)識(shí)別方法，所述步驟s37b或所述步驟s38a之后，包括步驟s39a，判斷當(dāng)前的手勢(shì)隊(duì)列中存在的手勢(shì)數(shù)量是否到達(dá)第三閾值數(shù)量，若達(dá)到,則判斷識(shí)別到靜態(tài)手勢(shì)，否則，繼續(xù)檢測(cè)。

上述的手勢(shì)識(shí)別方法，所述步驟s34a中所述分類器特征庫的訓(xùn)練步驟包括：

步驟s341a，對(duì)訓(xùn)練圖像的標(biāo)記區(qū)域計(jì)算出局部二值特征；

步驟s342a，自所述局部二值特征中篩選有效的特征，構(gòu)成第一分類器；

步驟s343a，通過組合多個(gè)所述第一分類器，構(gòu)成第二分類器；

步驟s343a，級(jí)聯(lián)多個(gè)所述第二分類器，形成用于設(shè)定靜態(tài)手勢(shì)檢測(cè)的 分類器特征庫。

上述的手勢(shì)識(shí)別方法，所述步驟s4包括進(jìn)行手勢(shì)跟蹤的步驟，具體如下：

步驟s41，獲得前一圖像幀的跟蹤區(qū)域?qū)?yīng)的聯(lián)通域，以所述聯(lián)通域在前一圖像幀的跟蹤區(qū)域部分作為第一區(qū)域部及所述聯(lián)通域在搜索域中的部分作為第二區(qū)域部；

步驟s42，獲得當(dāng)前跟蹤物體的聯(lián)通域；

步驟s43，依據(jù)所述當(dāng)前跟蹤物體的聯(lián)通域與所述第一區(qū)域部和所述第二區(qū)域部的相交區(qū)域求出所述相交區(qū)域的質(zhì)心；

步驟s44，以所述質(zhì)心作為新的跟蹤結(jié)果；

上述的手勢(shì)識(shí)別方法，所述步驟s4中還包括在所述運(yùn)動(dòng)區(qū)域中進(jìn)行滑動(dòng)手勢(shì)判斷，更新每一圖像幀的跟蹤結(jié)果的中心到所述手勢(shì)隊(duì)列時(shí)，按以下公式更新滑動(dòng)方向值：

其中，x0、x1、…、xn-1、xn為每一圖像幀的跟蹤結(jié)果的中心的橫向坐標(biāo)，y0、y1、…、yn-1、yn為每一圖像幀的跟蹤結(jié)果的中心的縱向坐標(biāo)；

sxn為新的跟蹤結(jié)果中心相對(duì)于起始點(diǎn)的橫向滑動(dòng)值，sxn大于0則滑動(dòng)方向?yàn)橄蛴?，sxn小于0則滑動(dòng)方向?yàn)橄蜃螅?/p>

syn為新的跟蹤結(jié)果中心相對(duì)于起始點(diǎn)的縱向滑動(dòng)值，syn大于0則滑動(dòng)方向?yàn)橄蛳拢瑂yn小于0則滑動(dòng)方向?yàn)橄蛏稀?/p>

上述的手勢(shì)識(shí)別方法，所述步驟s4中還包括手勢(shì)變化判斷步驟，具體 包括：

在跟蹤結(jié)果的區(qū)域附近建立搜索域，在搜索域中進(jìn)行手勢(shì)的檢測(cè)及分配手勢(shì)隊(duì)列；

判斷所述手勢(shì)隊(duì)列中存在大于第四閾值數(shù)量的目標(biāo)手勢(shì)數(shù)量時(shí)，認(rèn)為產(chǎn)生了一次起始手勢(shì)到目標(biāo)手勢(shì)的變化。

還包括，一種手勢(shì)識(shí)別系統(tǒng)，包括，

圖像采集單元，用于采集圖像并獲取圖像序列；

運(yùn)動(dòng)分割單元，與所述圖像采集單元連接，用于計(jì)算所述圖像序列中的預(yù)定圖像幀之間的幀差，依據(jù)所述幀差進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域；

靜態(tài)手勢(shì)識(shí)別單元，與所述運(yùn)動(dòng)分割單元連接，用于在所述運(yùn)動(dòng)區(qū)域中識(shí)別靜態(tài)手勢(shì)；

滑動(dòng)手勢(shì)識(shí)別單元，與所述靜態(tài)手勢(shì)識(shí)別單元連接，用于識(shí)別手勢(shì)的滑動(dòng)方向；

手勢(shì)變化識(shí)別單元，與所述滑動(dòng)手勢(shì)識(shí)別單元連接，用于識(shí)別是否由一起始手勢(shì)轉(zhuǎn)變?yōu)橐荒繕?biāo)手勢(shì)。

有益效果：以上方案可以同時(shí)支持多種靜態(tài)手勢(shì)及動(dòng)態(tài)手勢(shì)識(shí)別，改善了運(yùn)算量的復(fù)雜度，提升手勢(shì)識(shí)別精度，提高運(yùn)行效率；用于智能機(jī)器人時(shí)，用戶不需攜帶任何輔助設(shè)備裝置，只需要通過自然的手勢(shì)變化即可實(shí)現(xiàn)控制。

附圖說明

圖1為本發(fā)明一種手勢(shì)識(shí)別方法的流程示意圖；

圖2為本發(fā)明一種手勢(shì)識(shí)別方法步驟s2的一種具體實(shí)施例的流程示意圖；

圖3為本發(fā)明一種手勢(shì)識(shí)別方法步驟s3的一種具體實(shí)施例的流程示意圖；

圖4為本發(fā)明一種手勢(shì)識(shí)別方法步驟s3中進(jìn)行靜態(tài)手勢(shì)識(shí)別的流程示意圖；

圖5為本發(fā)明一種手勢(shì)識(shí)別方法步驟s4中進(jìn)行手勢(shì)跟蹤的流程示意圖；

圖6為本發(fā)明一種手勢(shì)識(shí)別方法的手勢(shì)狀態(tài)切換示意圖；

圖7為本發(fā)明一種手勢(shì)識(shí)別方法的一種具體實(shí)施例的流程示意圖；

圖8為本發(fā)明的圖7中步驟3的具體實(shí)施例的流程示意圖；

圖9為本發(fā)明的一種手勢(shì)識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

需要說明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相互組合。

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明，但不作為本發(fā)明的限定。

參照?qǐng)D1，一種手勢(shì)識(shí)別方法，其中，包括以下步驟：

步驟s1，采集圖像以獲取圖像序列；

步驟s2，獲取圖像序列中的預(yù)定圖像幀之間的幀差，依據(jù)幀差進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域；

步驟s3，在運(yùn)動(dòng)區(qū)域中進(jìn)行靜態(tài)手勢(shì)識(shí)別；

步驟s4，在識(shí)別到靜態(tài)手勢(shì)后進(jìn)行動(dòng)態(tài)手勢(shì)識(shí)別。

根據(jù)采集圖像數(shù)據(jù)的設(shè)備和種類不同，步驟s1可以分為基于視覺的二維(two-dimensional，2d)圖像采集和基于深度的圖像采集，本發(fā)明優(yōu)選基于視覺的二維圖像輸入，并以檢測(cè)到靜態(tài)手勢(shì)作為入口，進(jìn)行動(dòng)態(tài)手勢(shì)的識(shí)別，可以同時(shí)支持多種靜態(tài)手勢(shì)及動(dòng)態(tài)手勢(shì)識(shí)別。

上述的手勢(shì)識(shí)別方法，參照?qǐng)D2，步驟s2具體如下：

步驟s21，計(jì)算二值幀差：獲取第n-1幀的像素灰度與第n-2幀的像素灰度之間的幀差作為第一幀差，取得第一幀差大于0的第一像素點(diǎn)集合；獲取第n幀的像素灰度與第n-2幀的像素灰度之間的幀差作為第二幀差，取得第二幀差中的第一像素點(diǎn)集合部分作為第二像素點(diǎn)集合；獲取第二像素點(diǎn)集合中像素大于第一設(shè)定閾值的第三像素點(diǎn)集合；

步驟s22，對(duì)于得到的第三像素點(diǎn)集合的幀差圖像進(jìn)行圖像處理以得到當(dāng)前運(yùn)動(dòng)圖；

步驟s23，將當(dāng)前運(yùn)動(dòng)圖更新至歷史運(yùn)動(dòng)信息中，并且引入時(shí)間信息；

步驟s24，利用歷史運(yùn)動(dòng)信息進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域。

運(yùn)動(dòng)分割的目的是將當(dāng)前運(yùn)動(dòng)的區(qū)域與非運(yùn)動(dòng)區(qū)域區(qū)分并且標(biāo)記出來，精確的分割是減少手勢(shì)檢測(cè)運(yùn)算量的重要前提，而快速的分割是提高系統(tǒng)運(yùn)行速度的重要前提。為了減少運(yùn)算量，本發(fā)明使用了基于幀差的運(yùn)動(dòng)分割方式，所需信息僅為三個(gè)圖像幀之間像素差的信息，對(duì)于輸入的每一幀圖像，進(jìn)行基于幀差的運(yùn)動(dòng)分割，得到運(yùn)動(dòng)區(qū)域。

上述的步驟s21具體實(shí)現(xiàn)如下：首先計(jì)算第n-1幀與第n-2幀之間的幀差作為第一幀差d1，d1＝fn-1-fn-2，其中，fn-1為第n-1幀的像素灰度，fn-2 為第n-2幀的像素灰度；然后取得第一幀差大于0的第一像素點(diǎn)集合m1；獲取第n幀與第n-2幀之間的幀差作為第二幀差d2，d2＝fn-fn-2，其中，fn為第n幀的像素灰度，fn-2為第n-2幀的像素灰度；n＝2、3、4、…；取得第二幀差d2中的第一像素點(diǎn)集合m1部分作為第二像素點(diǎn)集合m2；即：m2＝d2&m1；獲取第二像素點(diǎn)集合m2中像素大于第一設(shè)定閾值t的第三像素點(diǎn)集合m3；一種優(yōu)選的實(shí)施例，第一設(shè)定閾值t的取值為10。移動(dòng)平臺(tái)計(jì)算能力的限制以及實(shí)時(shí)性的要求，因此需要快速且運(yùn)算復(fù)雜度不高的方法。基于幀差的運(yùn)動(dòng)分割運(yùn)算復(fù)雜度低，經(jīng)過篩選后得到的運(yùn)動(dòng)區(qū)域相比原圖減少了手勢(shì)檢測(cè)中大量的運(yùn)算量，因此能夠滿足移動(dòng)平臺(tái)的要求。

對(duì)于得到的幀差圖像，即第三像素點(diǎn)集合m3，存在許多散落的點(diǎn)，這些點(diǎn)可能是噪聲產(chǎn)生的，也可能是運(yùn)動(dòng)區(qū)域閾值化引起的。在這里需要進(jìn)行膨脹腐蝕等圖像處理，即執(zhí)行步驟s22，去除由于噪聲產(chǎn)生的較為分散的點(diǎn)，連接由于閾值化引起的較為密集的小塊。具體地，首先對(duì)圖像進(jìn)行腐蝕處理，去除孤立點(diǎn)，腐蝕的模版大小可以為g1×g1；對(duì)圖像進(jìn)行膨脹處理，連接運(yùn)動(dòng)區(qū)域中較為分散的小區(qū)塊；膨脹的模版大小可以為g2×g2。在這里，可以使用較小的腐蝕模版和較大的膨脹模版進(jìn)行圖像操作，如g1＝2，g2＝16，即分別為，腐蝕的模版大小為2×2，膨脹的模版大小為16×16，得到當(dāng)前運(yùn)動(dòng)圖m4。接著，將當(dāng)前運(yùn)動(dòng)圖m4更新至歷史運(yùn)動(dòng)信息中，并且引入時(shí)間信息。這是一種表達(dá)運(yùn)動(dòng)的簡(jiǎn)單方法，將運(yùn)動(dòng)理解成為連續(xù)的與時(shí)間關(guān)聯(lián)的輪廓層次，即帶時(shí)間加權(quán)的運(yùn)動(dòng)歷史圖像(motionhistoryimage,mhi)，它表達(dá)了當(dāng)前的物體的位置，并且利用物體的運(yùn)動(dòng)信息來分割運(yùn)動(dòng)。這些被分割的區(qū)域 不是“運(yùn)動(dòng)塊”，而是自然的連接到物體的運(yùn)動(dòng)部分。更新時(shí)，去除歷史運(yùn)動(dòng)圖中時(shí)間超過閾值的部分，將運(yùn)動(dòng)區(qū)域部分置為當(dāng)前時(shí)間，加入歷史運(yùn)動(dòng)圖。進(jìn)一步地，執(zhí)行步驟s24以對(duì)歷史運(yùn)動(dòng)圖計(jì)算梯度方向，得到運(yùn)動(dòng)輪廓。分割時(shí)，掃描圖像找到當(dāng)前運(yùn)動(dòng)輪廓，沿著輪廓的邊緣尋找未被標(biāo)記的運(yùn)動(dòng)的區(qū)域，并且標(biāo)記，直到所有的輪廓循環(huán)完成，獲取當(dāng)前的運(yùn)動(dòng)區(qū)域。進(jìn)行運(yùn)動(dòng)分割得到運(yùn)動(dòng)矩形框時(shí)，去除面積過小的矩形框，得到最終運(yùn)動(dòng)分割結(jié)果。

上述的手勢(shì)識(shí)別方法，在獲得當(dāng)前的運(yùn)動(dòng)區(qū)域后，進(jìn)行手勢(shì)檢測(cè)步驟，以檢測(cè)局部區(qū)域中的手勢(shì)，并且為檢測(cè)到的手勢(shì)區(qū)域建立搜索域，標(biāo)記為感興趣區(qū)域；參照?qǐng)D3、圖4，步驟s3的具體步驟可以如下：

步驟s31a，將當(dāng)前圖像中的搜索窗口劃分成復(fù)數(shù)個(gè)子區(qū)域；

步驟s32a，對(duì)每個(gè)所述子區(qū)域中的每個(gè)像素計(jì)算出局部二值特征值，依據(jù)所述局部二值特征值獲得每個(gè)子區(qū)域的直方圖后進(jìn)行歸一化；

步驟s33a，將歸一化后的復(fù)數(shù)個(gè)所述子區(qū)域的直方圖連接成為特征向量；

步驟s34a，根據(jù)已訓(xùn)練好的分類器特征庫，運(yùn)用級(jí)聯(lián)的方法在當(dāng)前圖像中搜索手勢(shì)區(qū)域。

上述方法中，可以通過基于局部二值特征(localbinarypatterns，lbp)的檢測(cè)算法，如adaboost檢測(cè)算法判斷圖像中是否有特定手勢(shì)存在。

上述的步驟s34a之后，在運(yùn)動(dòng)區(qū)域中進(jìn)行手勢(shì)檢測(cè)，對(duì)檢測(cè)到的手勢(shì)矩形框進(jìn)行隊(duì)列的分配；具體為：

步驟s35a，在運(yùn)動(dòng)區(qū)域中進(jìn)行手勢(shì)檢測(cè)，計(jì)算檢測(cè)到的手勢(shì)矩形框與各個(gè)手勢(shì)隊(duì)列的檢測(cè)框的重疊率；

步驟s36a，判斷重疊率是否大于一第二設(shè)定閾值；如果是，執(zhí)行步驟s37a，如果否，執(zhí)行步驟s38a；

步驟s37a，將手勢(shì)矩形框分配到重疊率大于第二設(shè)定閾值的手勢(shì)隊(duì)列；

步驟s38a，將手勢(shì)矩形框分配入一新的手勢(shì)隊(duì)列。

步驟s37b或步驟s38a之后，包括步驟s39a，判斷當(dāng)前的手勢(shì)隊(duì)列中存在的手勢(shì)數(shù)量是否到達(dá)第三閾值數(shù)量，若達(dá)到，則執(zhí)行步驟s40a判斷識(shí)別到靜態(tài)手勢(shì)，否則，繼續(xù)檢測(cè)。

上述的步驟s34a中分類器特征庫的訓(xùn)練步驟可以包括：

步驟s341a，對(duì)訓(xùn)練圖像的標(biāo)記區(qū)域計(jì)算出局部二值特征；

步驟s342a，自局部二值特征中篩選有效的特征，構(gòu)成第一分類器；

步驟s343a，通過組合多個(gè)第一分類器，構(gòu)成第二分類器；

步驟s343a，級(jí)聯(lián)多個(gè)第二分類器，形成特定手勢(shì)檢測(cè)的分類器特征庫。

分類器特征庫的訓(xùn)練步驟中，根據(jù)adaboost算法，第一分類器構(gòu)成弱分類器；通過組合多個(gè)弱分類器，構(gòu)成第二分類器，即強(qiáng)分類器；級(jí)聯(lián)多個(gè)強(qiáng)分類器，形成特定手勢(shì)檢測(cè)的分類器特征庫。

作為本發(fā)明的一種具體實(shí)施例，步驟s4包括進(jìn)行手勢(shì)跟蹤的步驟，在跟蹤得到的區(qū)域搜索域范圍內(nèi)，進(jìn)行手勢(shì)檢測(cè)，對(duì)跟蹤結(jié)果進(jìn)行校正及更新跟蹤點(diǎn)記錄；具體如下：

步驟s41，獲得前一圖像幀的跟蹤區(qū)域?qū)?yīng)的聯(lián)通域，以聯(lián)通域在前一圖像幀的跟蹤區(qū)域部分作為第一區(qū)域部及聯(lián)通域在搜索域中的部分作為第二區(qū)域部；

步驟s42，獲得當(dāng)前跟蹤物體的聯(lián)通域；

步驟s43，依據(jù)當(dāng)前跟蹤物體的聯(lián)通域與第一區(qū)域部和第二區(qū)域部的相交區(qū)域求出相交區(qū)域的質(zhì)心；

步驟s44，以質(zhì)心作為新的跟蹤結(jié)果。

上述的手勢(shì)識(shí)別方法，步驟s4中還包括在運(yùn)動(dòng)區(qū)域中進(jìn)行滑動(dòng)手勢(shì)判斷，更新每一圖像幀的跟蹤結(jié)果的中心到手勢(shì)隊(duì)列時(shí)，按以下公式更新滑動(dòng)方向值：

其中，x0、x1、…、xn-1、xn為每一圖像幀的跟蹤結(jié)果的中心的橫向坐標(biāo)，y0、y1、…、yn-1、yn為每一圖像幀的跟蹤結(jié)果的中心的縱向坐標(biāo)；

sxn為新的跟蹤結(jié)果中心相對(duì)于起始點(diǎn)的橫向滑動(dòng)值，sxn大于0則滑動(dòng)方向?yàn)橄蛴?，sxn小于0則滑動(dòng)方向?yàn)橄蜃螅?/p>

syn為新的跟蹤結(jié)果中心相對(duì)于起始點(diǎn)的縱向滑動(dòng)值，syn大于0則滑動(dòng)方向?yàn)橄蛳?，syn小于0則滑動(dòng)方向?yàn)橄蛏稀?/p>

本發(fā)明還可進(jìn)行手勢(shì)變化判斷步驟，具體包括：

在跟蹤結(jié)果的區(qū)域附近建立搜索域，在搜索域中進(jìn)行手勢(shì)的檢測(cè)及分配手勢(shì)隊(duì)列；

判斷所述手勢(shì)隊(duì)列中存在大于第四閾值數(shù)量的目標(biāo)手勢(shì)數(shù)量時(shí)，則產(chǎn)生了一次起始手勢(shì)到目標(biāo)手勢(shì)的變化。

與靜態(tài)手勢(shì)識(shí)別相似，若隊(duì)列中存在大于閾值數(shù)量的目標(biāo)手勢(shì)數(shù)量，則認(rèn)為產(chǎn)生了一次起始手勢(shì)到目標(biāo)手勢(shì)的變化。

參照?qǐng)D6的手勢(shì)狀態(tài)切換示意圖，基本手勢(shì)類型分為拳頭、手掌、贊和 不贊四種，對(duì)應(yīng)有上滑、下滑、左滑、右滑以及互相之間的變化。本發(fā)明可用于智能機(jī)器人，以通過相應(yīng)的手勢(shì)來開啟機(jī)器人的不同功能，實(shí)現(xiàn)與機(jī)器人的更為自然直接的交互。

圖7提供了本發(fā)明的一種具體實(shí)施例的流程示意圖：具體步驟為：

步驟1，圖像采集，通過圖像采集設(shè)備采集圖像數(shù)據(jù)，送入下一步進(jìn)行處理；

步驟2，運(yùn)動(dòng)分割以獲得運(yùn)動(dòng)區(qū)域；

步驟3，是否檢測(cè)到靜態(tài)手勢(shì)，如果檢測(cè)到靜態(tài)手勢(shì)，執(zhí)行步驟4，否則，重復(fù)步驟3；靜態(tài)手勢(shì)識(shí)別包括手勢(shì)的檢測(cè)及靜態(tài)手勢(shì)判斷，以檢測(cè)到靜態(tài)手勢(shì)作為后續(xù)動(dòng)態(tài)手勢(shì)的入口；

步驟4，手勢(shì)跟蹤以獲得跟蹤結(jié)果；

步驟5，滑動(dòng)手勢(shì)判斷，如果檢測(cè)到手勢(shì)滑動(dòng)，執(zhí)行步驟7，否則，執(zhí)行步驟6；

步驟6，手勢(shì)變化檢測(cè)；如果檢測(cè)到手勢(shì)變化，執(zhí)行步驟8，否則，執(zhí)行步驟9；

步驟7，識(shí)別到滑動(dòng)，進(jìn)行針對(duì)滑動(dòng)的后續(xù)操作；

步驟8，識(shí)別到變化，進(jìn)行針對(duì)手勢(shì)變化的后續(xù)操作；

步驟9，未識(shí)別到變化，重新執(zhí)行步驟1。

其中，步驟3的一種具體實(shí)施例為：

步驟31，是否檢測(cè)到靜態(tài)手勢(shì)一；如果是，執(zhí)行步驟4，如果否，執(zhí)行步驟32；

步驟32，是否檢測(cè)到靜態(tài)手勢(shì)二；如果是，執(zhí)行步驟4，如果否，執(zhí)行 步驟33；

步驟33，是否檢測(cè)到靜態(tài)手勢(shì)三；如果是，執(zhí)行步驟4，如果否，執(zhí)行步驟34；

步驟34，是否檢測(cè)到靜態(tài)手勢(shì)四；如果是，執(zhí)行步驟4，如果否，執(zhí)行步驟31。

以上示例性地輸出了四種靜態(tài)手勢(shì)的檢測(cè)流程，本發(fā)明的靜態(tài)手勢(shì)檢測(cè)流程可以根據(jù)檢測(cè)需要設(shè)置為多種，在此不作贅述。

還提供，一種手勢(shì)識(shí)別系統(tǒng)，參照?qǐng)D8，包括，

圖像采集單元3，用于采集圖像并獲取圖像序列；

運(yùn)動(dòng)分割單元4，與圖像采集單元3連接，用于計(jì)算圖像序列中的預(yù)定圖像幀之間的幀差，依據(jù)幀差進(jìn)行運(yùn)動(dòng)分割以獲取當(dāng)前的運(yùn)動(dòng)區(qū)域；

靜態(tài)手勢(shì)識(shí)別單元5，與運(yùn)動(dòng)分割單元4連接，用于在運(yùn)動(dòng)區(qū)域中識(shí)別靜態(tài)手勢(shì)；

滑動(dòng)手勢(shì)識(shí)別單元7，與靜態(tài)手勢(shì)識(shí)別單元5連接，用于識(shí)別靜態(tài)手勢(shì)的滑動(dòng)方向；

手勢(shì)變化識(shí)別單元6，與滑動(dòng)手勢(shì)識(shí)別單元7連接，用于識(shí)別是否由一起始手勢(shì)轉(zhuǎn)變?yōu)橐荒繕?biāo)手勢(shì)。

本發(fā)明綜合了運(yùn)動(dòng)檢測(cè)、物體檢測(cè)和運(yùn)動(dòng)跟蹤技術(shù)，可以同時(shí)支持多種靜態(tài)、動(dòng)態(tài)手勢(shì)，包括滑動(dòng)、手勢(shì)變化的識(shí)別等，提高精度，改善了運(yùn)算量的復(fù)雜度，提高運(yùn)行效率，使得其可以快速運(yùn)行在移動(dòng)端中，實(shí)時(shí)判斷當(dāng)前手勢(shì)。提供了一種自然的交互方式，用戶不需攜帶任何輔助設(shè)備裝置，只需要通過自然的手勢(shì)變化即可實(shí)現(xiàn)控制。

以上僅為本發(fā)明較佳的實(shí)施例，并非因此限制本發(fā)明的實(shí)施方式及保護(hù)范圍，對(duì)于本領(lǐng)域技術(shù)人員而言，應(yīng)當(dāng)能夠意識(shí)到凡運(yùn)用本發(fā)明說明書及圖示內(nèi)容所作出的等同替換和顯而易見的變化所得到的方案，均應(yīng)當(dāng)包含在本發(fā)明的保護(hù)范圍內(nèi)。