可靠指尖和手掌檢測的制作方法
優(yōu)先權(quán)申請
本申請要求2015年03月24日提交的美國申請序列號14/667,393的優(yōu)先權(quán)的權(quán)益，所述美國申請通過引用以其全部內(nèi)容結(jié)合在此。
背景技術(shù)：
用于手勢識別或手姿勢檢測的基于圖像的解決方案逐年變得越來越復(fù)雜。當(dāng)前的解決方案可以包括眾所周知的方法，比如使用haar分類器，但是由于張開手掌姿勢可能暴露手指之間的背景，所以可能不能在張開手掌姿勢的情況下很好地工作。其他解決方案使用皮膚顏色，但是當(dāng)手在面部、其他皮膚區(qū)域或類似的有色背景前面時可能會遇到降低的檢測率。還有其他解決方案可能依賴靜態(tài)相機前提進行背景減除，這需要已知的靜態(tài)相機，并且對于某些設(shè)備可能是不現(xiàn)實的或無效的。在其他解決方案中，可以使用深度相機，這可能需要高功率使用。
附圖說明
在不必按比例繪制的附圖中，相同標(biāo)號可以描述不同視圖中的類似部件。具有不同字母后綴的相同標(biāo)號可以表示類似部件的不同實例。附圖總體上通過示例的方式而不是通過限制的方式展示了本文檔中所討論的各種實施例。
圖1根據(jù)一些實施例大體展示了示出用于張開手掌檢測的技術(shù)的流程圖。
圖2根據(jù)一些實施例大體展示了具有識別的手指模板的圖像。
圖3a至圖3c根據(jù)一些實施例大體展示了圖像的圖。
圖3d至圖3f根據(jù)一些實施例大體展示了圖像中的邊緣檢測的圖。
圖4根據(jù)一些實施例大體展示了手指模板。
圖5a至圖5d根據(jù)一些實施例大體展示了用于檢測手的有效手掌的試探法。
圖6a至圖6b根據(jù)一些實施例大體展示了用于適當(dāng)性檢查的張開手掌模型。
圖7根據(jù)一些實施例大體展示了示出用于使用圖像來檢測手的手掌的方法的流程圖。
圖8是根據(jù)實施例示出張開手掌檢測系統(tǒng)的示意圖。
圖9根據(jù)一些實施例大體展示了一種機器的框圖的示例，在所述機器上可以執(zhí)行本文中所討論的技術(shù)(例如，方法)中的任何一種或多種技術(shù)。
具體實施方式
如上所述，用于手勢識別或手姿勢檢測的當(dāng)前基于圖像的解決方案可能具有一些缺點。在示例中，一種技術(shù)可以包括邊緣檢測、指尖檢測、手勢識別、張開手掌檢測或模板匹配。在本公開中，提出了一種可以支持張開手掌檢測和指尖輪廓線識別的技術(shù)。這種技術(shù)可能會影響從筆記本電腦、pc或服務(wù)器到超級本、平板電腦或更小的(例如，物聯(lián)網(wǎng))設(shè)備的一系列產(chǎn)品。所述技術(shù)可以包括增強手勢識別應(yīng)用的魯棒性。所述技術(shù)可以以軟件或硬件或其組合來實現(xiàn)。
在示例中，一種技術(shù)可以包括引入多階段模板匹配過程或用于將模板匹配一起分簇到候選指尖檢測中的貪婪算法。
霍夫變換是先前已知的用于模板匹配的技術(shù)。霍夫變換將可以通過圖像中的點的一組線映射為等效變換空間中的曲線。針對輸入圖像中的所有邊緣點重復(fù)霍夫變換過程，并且投票方案檢測具有最大票數(shù)的變換空間中的點。這些點對應(yīng)于輸入圖像中的潛在線。霍夫變換可以推廣到任意形狀。
在霍夫變換中，對模板參數(shù)空間上的每個邊緣像素執(zhí)行單獨的搜索。本文提出的一種技術(shù)可以包括執(zhí)行一次這樣的搜索。執(zhí)行搜索一次可以通過使用較少的處理能力、減少熱量、允許在指定的時間段內(nèi)進行額外的處理步驟等來改善計算機的功能。在另一個示例中，可以將搜索分成幾個階段。
即使執(zhí)行單個搜索的技術(shù)包括執(zhí)行復(fù)雜的模板搜索，所述技術(shù)可以實時完成?？赡苣０宓目臻g可以很大。例如，對于下面描述的手指形狀或視頻圖形陣列(vga)分辨率，所述空間可以包括在粗糙量化參數(shù)上定義并且與模板位置、旋轉(zhuǎn)、大小或單個曲線特性相關(guān)聯(lián)的13億個模板。在霍夫變換中，可能每個圖像需要對大約10000到50000個邊緣像素進行重復(fù)搜索。在本技術(shù)中，可以對圖像中的邊緣像素使用一個搜索。運行搜索一次可以將搜索的迭代從可能的10000到50000的數(shù)量減少到一個。在另一個示例中，所述技術(shù)可以將搜索分成幾個階段。例如，在第一階段，可以考慮位置、旋轉(zhuǎn)或大小參數(shù)。在后續(xù)階段中，所述技術(shù)可以搜索單個曲線特性的空間。這對于vga分辨率可以將要搜索的模板的數(shù)量從幾十億減少到大約300000。
先前使用的方案的另一個示例是基于倒角匹配的方案?；诘菇瞧ヅ涞姆桨竿ǔ⒛０逅阉鬟^程分為多個階段，但它們在每個階段不使用不同的閾值。在示例中，一種新技術(shù)可以包括多個閾值，這些閾值用于在多個階段競爭之后修剪模板?？梢栽诘谝浑A段使用第一閾值，所述第一閾值可以比在第二階段使用的第二閾值更嚴(yán)格。針對一個階段使用不同的閾值，所述技術(shù)可以在每個階段比以前的技術(shù)處理更少的模板。在另一個示例中，所述技術(shù)可以通過在每個階段之后執(zhí)行合并操作來保持模板數(shù)量較小。例如，可以將彼此相似的模板合并在一起。
其他方法可以以不同的方式解決指尖檢測。例如，一種方法可以將指尖識別為從深度中獲得的測地最大值。然而，使用深度數(shù)據(jù)可能需要大量的功率使用。其他方法可以從皮膚檢測過程已經(jīng)將手區(qū)域與背景區(qū)域分離后產(chǎn)生的皮膚掩模的特性定位指尖。在示例中，由于可能的皮膚碰撞(例如，手指上的皮膚與其他身體部位上的皮膚或類似于背景顏色的皮膚顏色之間)，本文所述的技術(shù)可以不使用皮膚信息而進行指尖檢測。
又一種方法可以通過分別在r、g和b(紅色、綠色和藍色)通道中的每個通道上應(yīng)用canny來進行邊緣檢測。所述方法可以包括使用haar分類器和adaboost來從邊緣數(shù)據(jù)檢測指尖。然而，這種方法只能使用r、g和b通道。本文描述的技術(shù)可以使用比r、g和b更多的通道來提供魯棒性。在示例中，可以不使用haar分類器和adaboost檢測指尖，并且替代地，可以使用新穎的模板匹配過程來檢測指尖。
圖1根據(jù)一些實施例大體展示了示出用于張開手掌檢測的技術(shù)100的流程圖。技術(shù)100可以包括用于檢測圖像中的邊緣并對檢測到的邊緣中的像素執(zhí)行距離圖計算的操作102。操作102可以具有邊緣圖和距離圖的輸出。在示例中，技術(shù)100包括用于使用邊緣圖和距離圖執(zhí)行粗糙手指模板搜索的操作104。操作104可以具有初始組模板匹配的輸出。技術(shù)100可以包括用于執(zhí)行所述初始組模板匹配的位置、角度或尺度細化的操作106。技術(shù)100可以以經(jīng)細化的一組模板匹配而繼續(xù)，所述細化的一組模板匹配可以在操作108中修改。操作108可以包括手指形狀細化，從而產(chǎn)生進一步細化的一組模板匹配。在示例中，技術(shù)100包括用于使用邊緣像素距離修剪細化的模板匹配從而產(chǎn)生可能的指尖輪廓線位置的操作110。技術(shù)100可以包括用于對手指簇(bundle)進行創(chuàng)建、選擇和排序的操作112。操作112可以致使手掌的檢測。技術(shù)100可以包括用于執(zhí)行檢測到的手掌適當(dāng)性檢查的操作114。
在示例中，可以應(yīng)用邊緣檢測和模板匹配來找到與四個指尖輪廓線(例如，食指、中指、無名指或小指)匹配的可能模板?？梢詰?yīng)用分簇(bundling)技術(shù)將高度可能的指尖檢測結(jié)合到張開手掌檢測中。這樣的過程可以返回根據(jù)某種基于顏色和距離的度量排序的最佳匹配簇。在另一個示例中，可以使用定制試探法，其找到四個手指模板的簇，根據(jù)基于顏色均勻性或邊緣像素距離的某種分?jǐn)?shù)對它們進行排序，并返回最有可能表示張開手掌姿勢的簇。
在具體示例中，超過95％的示例可以在使用上述示例的技術(shù)返回的簇中包括排名第一的最佳匹配簇。在其他示例中，也可以返回最佳匹配簇，并且排在最佳的10-20個簇中。所述技術(shù)可能會返回假正，例如，可以在最佳的10-20個簇中找到假正以及正確的檢測。然而，假正率很小(＜5％)?？梢圆捎妙~外的試探式技術(shù)來區(qū)分返回的簇中的真實檢測和假正，比如基于地標(biāo)的檢測。一種技術(shù)可以包括用c或c++編寫的代碼。
上述技術(shù)使用邊緣數(shù)據(jù)執(zhí)行可靠的姿勢檢測。在示例中，所述技術(shù)可以用作其他技術(shù)中的構(gòu)建塊。例如，它可以用于已由其他分類器分類為候選姿勢窗口的較小窗口中的指尖檢測。所述技術(shù)也可以適用于硬件加速。例如，所述技術(shù)可以實時運行。例如，vga幀可以在幾秒鐘內(nèi)在單個2.6ghzsandybridge內(nèi)核中處理。在另一個示例中，處理vga幀可以是可并行的并且適合于gpu或定制硬件加速(例如，卷積、模板匹配、分簇加速等)。其他實時示例可以包括簡單的工程擴展(例如，使用simdsse/avx指令、多核、gpueu或硬件加速器)。
一種技術(shù)可以由幾個操作組成。第一處理操作可以包括邊緣圖(edgemap)創(chuàng)建階段和距離圖(distancemap)創(chuàng)建階段。距離圖可以直接從邊緣圖創(chuàng)建。邊緣圖可以由七個單獨的顏色通道(即，r、g、b、y、cr、cb和s)中的一個或多個創(chuàng)建，以便最小化由于手和背景之間的灰度值碰撞而丟失手指邊緣信息的概率。雖然當(dāng)使用少于七個上述通道時可能會出現(xiàn)這種碰撞，但是如果所有七個通道都貢獻于邊緣圖，則可能不會出現(xiàn)這種碰撞。在示例中，可以使用描繪張開手掌姿勢的約80個圖像的數(shù)據(jù)庫。在示例中，在創(chuàng)建邊緣圖之后，可以創(chuàng)建距離圖。距離圖可以用表示像素和最近邊緣像素之間的距離的距離值來注釋圖像中的像素。
距離圖可以用作多階段模板匹配過程的輸入。模板匹配階段可以包括第一廣泛搜索操作，其中手指模板與不同位置、角度或大小的邊緣和距離圖匹配。第一階段可以返回根據(jù)手指模板的邊緣像素與圖的邊緣像素之間的累積距離確定的一定數(shù)量的候選模板配置(例如，與多個位置、角度或大小相關(guān)聯(lián))。例如，累積距離(cumulativedistance)可以包括使用對一個或多個像素距離值進行操作的任何數(shù)學(xué)過程計算的任何距離。在示例中，可能有50000到200000像素。第二階段可以通過確定最佳手指形狀參數(shù)來細化模板配置，并且還可以包括最佳位置、角度或大小值。第二階段可以包括合并操作，其中彼此靠近的模板配置被合并。可以從第二階段選擇與邊緣像素的距離非常小的一定數(shù)量的模板配置。在示例中，這些配置的數(shù)量可以是50到100。第三操作可以運行貪婪算法，其首先計算可構(gòu)成候選張開手掌姿勢的指尖輪廓線的手指模板的簇?？梢愿鶕?jù)組合的顏色均勻性或邊緣距離度量對這些簇進行排序。在示例中，貪婪算法可以返回一定數(shù)量的最高排名的簇。在具體示例中，當(dāng)幀中存在張開手掌時，幾乎100％的樣本可以在貪婪算法返回的前10-20個簇中包括最好地描述指尖輪廓線的位置的簇。在另一具體示例中，超過95％的樣本可以在貪婪算法返回的那些簇中包括排名第一的最佳簇。
圖2根據(jù)一些實施例大體展示了具有所識別的手指模板(例如202)的圖像200。圖像200包括所識別的手指模板202的示例。在一個實施例中，可以在圖像200中檢測邊緣。例如，可以使用顏色通道數(shù)據(jù)在圖像200中檢測邊緣。顏色通道數(shù)據(jù)可以包括七個顏色通道(比如紅色、綠色、藍色、y亮度、彩色紅色、彩色藍色或飽和度)中的一個或多個。在另一個示例中，可以針對圖像200的檢測到的邊緣上的多個像素確定距離圖。距離圖可以包括多個像素相對于彼此的接近度信息?？梢酝ㄟ^確定從在檢測到的邊緣上的多個像素的第一組中的像素到手指模板中的若干組像素的累積距離來確定識別的手指模板202。
圖3a至圖3c大體展示了根據(jù)一些實施例的圖像的圖(例如，300、301或302)。圖3d至圖3f大體展示了根據(jù)一些實施例的圖像中邊緣檢測的圖(例如，303、304或305)。邊緣檢測的圖303、304和305分別與圖像的圖300、301和302相關(guān)。在示例中，圖3d至圖3f中的圖(例如，303、304或305)可以被反轉(zhuǎn)以便于觀看(例如，黑色場上的白點)。
在示例中，創(chuàng)建邊緣圖以檢測輸入圖像中的邊緣，這可以促進用于檢測指尖的模板匹配?？梢赃M行邊緣檢測以限定要檢測的形狀(例如，手指形狀)，這些形狀可以獨立于背景顏色特性而與背景形狀或像素區(qū)分開。當(dāng)使用單個灰度通道時，這個過程可能很困難。在示例中，可以使用基于許多不同灰度信號的邊緣信息?；叶刃盘柨梢耘c圖像的不同顏色特性相關(guān)聯(lián)。
邊緣圖創(chuàng)建技術(shù)可以包括canny邊緣檢測器的多通道變體。在示例中，可以使用七個顏色通道。七個通道可以包括紅色(r)、綠色(g)、藍色(b)、y亮度(y)、彩色紅色(cr)、彩色藍色(cb)和飽和度(s)。每個通道可以返回單獨的邊緣圖。如果最終圖中的像素是七個輸入通道返回的圖中的至少一個圖中的邊緣像素，則其可以被認為是邊緣像素?？梢酝ㄟ^在由r、g、b、y、cr、cb和s返回的邊緣圖之間執(zhí)行邏輯或運算來計算最終圖。
在示例中，可以使用用于區(qū)分‘粗邊緣’(例如，非常強烈地被認為是邊緣像素的像素)和‘細邊緣’(例如，可能是最終圖中的邊緣像素的像素)的固定閾值。在另一個示例中，可以使用從空間導(dǎo)數(shù)幅度直方圖確定的動態(tài)閾值。使用動態(tài)閾值可以允許在每個通道中更準(zhǔn)確地跟蹤有意義的邊緣像素，每個通道使用不同的閾值。
在另一個示例中，技術(shù)可以應(yīng)用滯后過程來找到每個圖的邊緣像素。所述方法可以類似于canny技術(shù)，或者可以使用從空間導(dǎo)數(shù)直方圖動態(tài)地計算的閾值。在又一示例中，使用滯后的技術(shù)可以擴展相鄰候選邊緣像素的概念，以包括大于最近的3×3窗口的鄰域中的像素。例如，可以考慮具有垂直于將這些像素與中心像素連接的線的梯度的像素。在示例中，可以使用來自具有比用于降噪的sobel邊緣檢測器(例如，用于canny的那些)更大的尺度值的規(guī)范化高斯導(dǎo)數(shù)的邊緣濾波器?？梢詫⑦@些濾波器應(yīng)用于輸入圖像的適當(dāng)模糊的版本。
在示例中，可以使用簡單的接近度信息廣播技術(shù)來確定距離圖。在其他示例中，可以使用替代技術(shù)，比如基于voronoi圖的技術(shù)。
圖4根據(jù)一些實施例大體展示了手指模板400。一種技術(shù)可以包括模板匹配操作，其可以將手指模板400放置在距離圖的頂部的不同位置處。所述技術(shù)可以包括計算手指模板400的邊緣像素與距離圖的邊緣像素之間的累積距離。在示例中，手指模板400可以包括類似于指尖輪廓線的形狀。所述形狀可以由兩個線段和兩個橢圓段組成。手指模板400可以被參數(shù)化為六個參數(shù)，比如圖4中所示的a、h、bl、br、cl和d。例如，這些參數(shù)可以確定圖4中所示的線段和橢圓段終點。參數(shù)a、bl、br、cl和d也可以用它們與參數(shù)h的比率表示。每次將參數(shù)h設(shè)置為不同的值時，可以生成相同手指模板400的不同尺度版本。以這種方式，參數(shù)a、bl、br、cl和d指示手指模板400的形狀，而參數(shù)h指示其大小。
手指模板400可以使用其六個參數(shù)值和位置信息來呈現(xiàn)。在呈現(xiàn)期間，所述技術(shù)可以確定構(gòu)成模板的繪制線段和橢圓段的像素的坐標(biāo)。手指模板400可以在旋轉(zhuǎn)不同的角度值的不同位置被呈現(xiàn)。手指模板400可以與位置信息、大小信息和旋轉(zhuǎn)信息相關(guān)聯(lián)。位置、旋轉(zhuǎn)和大小信息的組合可以包括模板配置。模板的尺度可以包括模板的大小。模板的尺度可以由參數(shù)h的值表示。為了執(zhí)行模板匹配，可以使用模板配置的像素的坐標(biāo)來獲得關(guān)于這些像素與輸入邊緣圖中的邊緣像素之間的距離的信息。所述信息可以來自對應(yīng)的距離圖。用于確定模板配置與輸入邊緣圖中的實際輪廓的接近度的度量可以包括配置中的像素與圖中最近的邊緣像素的平均平方距離。模板配置也可以被稱為模板匹配。
在示例中，模板匹配操作可以包括對候選模板配置的廣泛搜索。在這種廣泛搜索期間，可以使用單個手指形狀。所述形狀的參數(shù)可以表示可以來自大訓(xùn)練集的圖4中所示的參數(shù)(例如，a、bl、br、cl或d)的期望值。在示例中，在廣泛(粗糙)搜索期間，圖像寬度和高度可以被劃分為像素間隔(例如，8個像素)。可以將參數(shù)h的尺度空間(例如，從h＝16個像素至h＝80個像素)類似地劃分為像素間隔(例如，8個像素、16個像素等)。在示例中，旋轉(zhuǎn)值的空間可以在-0.57弧度至0.57弧度之間，并且可以被劃分為弧度間隔(例如，0.08弧度、0.19弧度、0.26弧度等)。其他實施例可以將搜索空間劃分為不同的間隔。來自上述間隔的位置、尺度和角度值的組合可以被認為是候選模板配置。傳遞到下一階段的配置可以包括具有低于閾值的邊緣像素距離的配置。閾值可以表示為手指的尺度參數(shù)的函數(shù)。在一個實施例中，閾值等于手指形狀的尺度乘以因子。對于所述操作，可以通過實驗確定因子或絕對閾值?？梢允褂脕碜晕挥诖植谒阉鞯南嗤g隔內(nèi)的兩個手指配置之間的最大距離的因子。對于vga分辨率考慮的配置的總數(shù)可以包括最大值(例如，302000)。在一些實施例中，可以在用于加速的不同處理單元之間分割所述技術(shù)的這一部分。另一個示例可以涉及預(yù)先確定與可能的大小或角度值(例如圍繞坐標(biāo)中心(0，0))相關(guān)聯(lián)的模板配置。在所述示例中，確定配置與實際輪廓線的接近度可以涉及將預(yù)先確定的配置從坐標(biāo)中心(0，0)轉(zhuǎn)換到目的地位置并計算距離度量的值。在示例中，預(yù)先確定模板配置可以包括預(yù)先計算手指模板的像素的坐標(biāo)。
在示例中，模板匹配可以包括細化的搜索。細化的搜索可以包括使用一系列尺度、角度或位置細化操作來進一步細化通過粗糙搜索的配置。在細化的搜索中，可以針對迭代來細化單個參數(shù)值(例如，尺度、角度、位置x、位置y或類似細化)。細化可以包括取參數(shù)值(例如，尺度＝s0)并使用兩個相差預(yù)定的量的額外的值。例如，所述量可以等于前一階段使用的間隔的一半(例如，如果在前一個細化或初始匹配中使用8個像素的尺度，則在下一個細化中可以使用4個像素)。如果前一階段使用的尺度間隔是δs，則兩個額外的值可以是s0+δs/2和s0-δs/2。在示例中，粗糙搜索δs可以等于8個像素。細化操作可以用s0、s0+δs/2和s0-δs/2中產(chǎn)生最佳邊緣像素距離的一個值代替正在被細化的值。細化的搜索可以涉及一定數(shù)量的細化周期(例如，2個、3個、4個等)。周期可以涉及單獨的細化操作(例如，尺度、角度、位置x、位置y或類似細化)。在示例中，周期可以使用為前一周期所使用的間隔的值的一半的間隔。對于尺度、位置x或位置y參數(shù)，例如，三個周期所使用的間隔可以等于4個像素、2個像素和1個像素。對于旋轉(zhuǎn)角度參數(shù)，三個周期所使用的間隔可以是0.095弧度、0.0475弧度和0.02375弧度。
在細化的搜索結(jié)束時，邊緣像素距離低于第二閾值的配置可以被修剪。在這個階段可以如先前那樣使用尺度相關(guān)閾值。所述第二閾值可以比粗糙搜索使用的閾值更嚴(yán)格，并且通過實驗使用類似的方法確定。對于vga分辨率在此階段考慮的配置的總數(shù)可以是100000的數(shù)量級?？梢栽诓煌奶幚韱卧g分割處理工作量。模板匹配操作可以包括使用彼此相似的配置并且將它們合并。在示例中，相似可能意味著尺度之間的尺度相關(guān)的差、配置的x中心坐標(biāo)和y中心坐標(biāo)各自小于閾值。在另一個示例中，配置角度之間的絕對差可以小于閾值。在示例中，對于vga分辨率，合并后的配置的數(shù)量可以包括10000到30000個配置。
在示例中，模板匹配可以包括形狀細化操作。在先前的操作中，多個配置與單個形狀的手指形狀參數(shù)(例如，a、bl、br、cl和d值)相關(guān)聯(lián)。在所述操作中，可以相對于來自人造手指的數(shù)據(jù)庫的替代手指形狀考慮配置的形狀。人造手指形狀可以通過機器學(xué)習(xí)訓(xùn)練產(chǎn)生。在示例中，期望最大化(em)技術(shù)可以用于訓(xùn)練。在另一個示例中，k均值或在線k均值聚類技術(shù)可用于訓(xùn)練。為了支持訓(xùn)練，具有手指形狀的圖像可以用手指的橢圓線段的端點中的顏色注釋，如圖4中所示。在形狀細化操作中，配置的手指形狀可以由產(chǎn)生最佳邊緣像素距離的形狀代替。可以使用人造手指數(shù)據(jù)庫。在示例中，人造手指數(shù)據(jù)庫可以包含幾百個手指形狀(例如，300、400、500等)。手指形狀可以從較少數(shù)量的來自幾個人(例如，在示例中為四個)的實際手指形狀(例如，小于100)產(chǎn)生。從具有實質(zhì)上不同的手指形狀的幾個人(例如，一個或多個男性、一個或多個女性以及一個或多個兒童)產(chǎn)生的數(shù)據(jù)庫可足以返回良好的手指檢測。由于在所述操作中使用的手指形狀的數(shù)量遠大于1的事實，因此預(yù)先確定粗糙搜索和細化的搜索中使用的手指模板的優(yōu)化可能不容易應(yīng)用。替代地，人造手指形狀可以根據(jù)它們的相似性被分組成族。手指形狀族可以進一步組織成族樹。使用族樹信息可以通過將模板與族樹中最接近的族的模板進行比較來大大減少手指形狀評估過程的時間。在示例中，操作可以包括使用比先前兩個閾值更嚴(yán)格的閾值對模板配置的第三次修剪。在另一個示例中，第三次修剪可以使用絕對(例如，尺度不變)閾值。這樣的修剪之后可以是相似模板配置的第二次合并。所得到的配置可以例如為50-100個配置的數(shù)量級。形狀細化也可以在多個處理單元之間分割。
在示例中，處理器可以通過確定在檢測到的邊緣上的多個像素的第一組中的像素與手指模板中的若干組像素的累積距離來確定第一組手指模板匹配。例如，第一組手指模板匹配可以包括指示手指形狀的參數(shù)。在另一個示例中，累積距離可以包括第一組手指模板匹配中的像素與檢測到的邊緣上的多個像素的平均平方距離。在又一示例中，可以通過確定模板匹配中的多個像素與圖像邊緣像素之間的累積距離小于最大閾值來確定第一組手指模板匹配。為了細化第一組手指模板匹配，處理器可以使用尺度、角度或位置參數(shù)。在示例中，處理器可以用經(jīng)細化手指形狀來代替第一手指模板的形狀。
圖5a至圖5d大體展示了根據(jù)一些實施例的用于檢測手的有效手掌(例如，500a至500d)的試探法。在圖5a至圖5d所示的示例中，試探式技術(shù)可以包括檢測手掌。在示例中，一種技術(shù)可以包括可能表示相同的張開手掌姿勢的不同手指的配置被分簇在一起。配置可以表示四個手指中的一個(例如，食指、中指、無名指或小指)。由于在前面的階段使用的手指形狀的選擇，拇指可以被排除在搜索之外。在另一個示例中，拇指可以被包括為第五手指。為了將手指模板分組成簇，可以應(yīng)用一定數(shù)量的不同的試探法。在圖5a的示例中，試探法可以包括判定手的手指是否具有相似的大小。在圖5b的另一個示例中，試探法可以包括判定手的手指是否不重疊。在這個示例中，試探法用于檢測張開手掌姿勢。在又一示例中，試探法可以包括確定連續(xù)的手指彼此不是太遠。另一種試探法可以包括連續(xù)的手指之間的角度不太寬。試探法可以包括手指不直接在張開手掌姿勢中的另一個手指下方。采用多種試探法(比如上面針對圖5a-5d描述的用于檢測手的有效手掌的那些)的技術(shù)是通用的并且適用于多個手姿勢，包括但不限于張開手掌姿勢、v形姿勢、食指豎起姿勢等。下面的討論側(cè)重于張開手掌姿勢，但是可以使用試探法檢測任何手姿勢。
試探法可以包括尺度試探法。尺度試探法可以包括確定一簇的兩個手指上的手指長度的相似性。尺度試探法可以包括對圖5a中的第一手指尺度值s1502a和第二手指尺度值s2502b的計算。在示例中，尺度試探法可以包括由兩個手指的尺度值s1502a和s2502b確定的確定(例如，|s1-s2|/max(s1，s2))。在所述示例中，尺度試探法可以判定值|s1-s2|/max(s1，s2)是否小于閾值，以便將手指視為同一簇的一部分。第二個試探法是最小或最大距離試探法。在示例中，最小或最大距離試探法可以包括兩個手指的中心的距離d504與圖5b中的最大寬度a506的比率。在示例中，如果兩個手指的比率超過或低于閾值，則兩個手指可能是在一個簇中。
在示例中，‘手指之間的角度’試探法可以包括判定通過模板匹配過程確定的圖5c上的可能的順序手指之間的角度508是否小于閾值。如果角度508低于閾值，則這些手指可以是同一簇的一部分。在示例中，‘沿著指尖的角度(angle-along-fingertip)’試探法可以包括判定圖5d上的在水平線與連接兩個指尖的線之間的角度510是否小于閾值。如果所述角度低于閾值，則這些手指可以是同一簇的一部分。
使用一種試探法或多鐘試探法，一種技術(shù)可以貪婪地確定兩個手指的可能簇。所述技術(shù)還可以確定可能是一簇的一部分的三個手指或四個手指。在示例中，如果手指與簇的成員滿足尺度、最小距離、最大距離、手指之間的角度或者指尖之間的角度試探法，則所述手指可以被認為是所述簇的一部分。在示例中，試探法中的一種或多種可以與不同的閾值一起使用。在另一個示例中，為了成為簇的成員，手指可能需要與另一個手指、兩個其他手指、所有其他手指等滿足試探法的閾值。在又一示例中，如果手指與簇的所有成員滿足尺度、最小距離和指尖之間的角度試探法并且與所述簇的至少一個成員滿足最大距離和手指之間的角度試探法，則所述手指被認為是所述簇的一部分。
在示例中，一種技術(shù)可以包括使用試探法將第一手指模板與三個其他手指模板一起分簇以創(chuàng)建有效的張開手掌檢測。張開手掌檢測技術(shù)可以包括尺度試探法、最小距離試探法、最大距離試探法、第一手指模板與第二手指模板之間的角度試探法或第一手指模板中的第一指尖與第二手指模板上的第二指尖之間的角度試探法。在另一個示例中，所述技術(shù)可以包括通過對多個像素的多個組迭代用于確定第一手指模板的操作從而確定多個其他手指模板，并且其中，多個手指模板可以包括來自所述多個像素的第一組的第一手指模板、來自所述多個像素的第二組的第二手指模板、來自所述多個像素的第三組的第三手指模板和來自所述多個像素的第四組的第四手指模板。
試探法可以用于判定手掌檢測是否適當(dāng)，比如通過使用連續(xù)手指模板的相對高度。在另一個示例中，為了確定手掌檢測是適當(dāng)?shù)模B續(xù)手指模板的相對高度可以包括高度的一次增大隨后是高度的兩次降低或高度的兩次增大隨后是高度的一次降低的序列。在示例中，如果檢測中的每個手指模板內(nèi)的顏色均勻性度量超過第一閾值，則手掌檢測可以被認為是適當(dāng)?shù)?。在另一個示例中，如果從兩個或更多個手指模板計算的顏色均勻性度量超過第二閾值，則手掌檢測可以被認為是適當(dāng)?shù)摹?/p>
圖6a至圖6b大體展示了根據(jù)一些實施例的用于適當(dāng)性檢查的張開手掌模型600a和600b。在示例中，張開手掌模型600a可以表示左手。在另一個示例中，張開手掌模型600b可以表示右手。適當(dāng)性檢查可以包括判定張開手掌模型是否表示左手或右手。
可以檢查一簇的‘適當(dāng)性’。在示例中，如果簇的連續(xù)指尖的y坐標(biāo)上升兩次并且下降一次，則所述簇可以是適當(dāng)?shù)?。在另一個示例中，如果簇的連續(xù)指尖的y坐標(biāo)上升一次并且下降兩次，則所述簇可以是適當(dāng)?shù)?。例如，在張開手掌模型600a中，左手簇可以包括所述左手簇的連續(xù)指尖的y坐標(biāo)上升兩次并且下降一次。張開手掌模型600a可以包括所述左手簇的連續(xù)的小指和無名指指尖的y坐標(biāo)沿箭頭602上升以及所述簇的連續(xù)的無名指和中指指尖的y坐標(biāo)沿箭頭604上升。張開手掌模型600a可以包括所述簇的連續(xù)的中指和食指指尖的y坐標(biāo)沿箭頭606下降。三個箭頭602、604和606的圖案可以是上升兩次并且下降一次，這指示適當(dāng)?shù)膹堥_手掌模型600a。在示例中，張開手掌模型600b可以表示第二可能的適當(dāng)?shù)膹堥_手掌模型，其中箭頭608、610和612以上升然后兩次下降的圖案表示右手簇的連續(xù)指尖的y坐標(biāo)。
在另一個示例中，由指尖輪廓線包圍的區(qū)域在它們的顏色方面可以相對均勻。顏色均勻性可用于確定張開手掌模型的適當(dāng)性。在示例中，可以通過檢查cr-cb、h或s顏色描述的變化是否限制在手指中來檢查顏色均勻性。可以對另外的手指重復(fù)所述過程。在示例中，閾值可以用于單個手指、多個手指或張開手掌模型中的所有四個手指。如果這些組中的一個或多個超過所述閾值，則所述張開手掌模型可以被認為是適當(dāng)?shù)幕蛴行У?。在另一個示例中，可以使用手指之間的cr-cb、h或s顏色描述中的平均值之間的距離被限制來確定張開手掌模型適當(dāng)性。
在另一個示例中，在應(yīng)用指尖之間的角度和適當(dāng)性試探法之前，可以旋轉(zhuǎn)候選簇，使得用于適當(dāng)性確定的參考手指處于直立位置。這可以有助于確保適當(dāng)性確定針對張開手掌姿勢的可能旋轉(zhuǎn)而言是魯棒的。在示例中，可以通過上述粗糙搜索技術(shù)使用的角度邊界來確定所述技術(shù)可以使用的總旋轉(zhuǎn)。
在示例中，可以根據(jù)組合的邊緣距離或顏色均勻性度量對通過適當(dāng)性確定的簇相對于通過適當(dāng)性確定的其他簇進行排序。排序的結(jié)果可以包括在張開手掌模型中使用最高排名的一個或多個簇。在另一個示例中，所述技術(shù)所考慮的中間簇的數(shù)量可能很大(例如，100到1000個)，并且所述技術(shù)可以在一定數(shù)量的處理單元之間分割。
圖7根據(jù)一些實施例大體展示了示出一種用于使用圖像來檢測手的手掌的方法700的流程圖。方法700可以包括操作702，所述操作用于確定從一組圖像像素中的像素到多個手指模板匹配中的像素的多個累積距離值，其中，所述組圖像像素包括圖像中在所檢測的邊緣上的一組圖像像素。操作702可以包括：其中，所述多個手指模板匹配包括多個單獨手指模板匹配。例如，單獨手指模板匹配可以包括指定數(shù)量的手指模板(例如，一個、四個等等)。在示例中，方法700還可以包括：使用顏色通道數(shù)據(jù)檢測圖像中的邊緣。例如，顏色通道數(shù)據(jù)可以包括紅色、綠色、藍色、y-亮度、彩色紅色、彩色藍色和飽和度中的至少一個。
方法700可以包括操作704，所述操作用于從所述多個手指模板匹配中選擇一組手指模板匹配，所述組手指模板匹配對應(yīng)于來自所述多個累積距離值的一組最小累積距離值。在示例中，操作704包括：其中，所述多個累積距離值包括所述組圖像像素中的像素與所述多個手指模板匹配中的像素的平均平方距離。
方法700可以包括操作706，所述操作用于細化所述組手指模板匹配以創(chuàng)建經(jīng)細化手指模板，其中，創(chuàng)建經(jīng)細化手指模板包括使用手指模板搜索、手指模板合并和手指模板閾值化。在示例中，手指模板搜索、手指模板合并和手指模板閾值化包括在尺度、角度或距離試探法上的手指模板搜索、手指模板合并和手指模板閾值化。例如，尺度試探法可以包括對手指模板的長度執(zhí)行計算，閾值距離試探法可以包括對手指模板之間(例如，手指模板的指尖之間)的最大或最小距離執(zhí)行計算，并且角度試探法可以包括對手指模板之間的最大或最小距離執(zhí)行計算。
方法700可以包括操作708，所述操作用于分簇經(jīng)細化手指模板以創(chuàng)建一簇經(jīng)細化手指模板。操作708可以包括：使用尺度、距離或角度試探法來分簇經(jīng)細化手指模板。方法700可以包括操作710，所述操作用于驗證一簇經(jīng)細化手指模板包括有效手掌檢測。在示例中，操作710可以包括：通過確定經(jīng)細化手指模板包括指定數(shù)量的經(jīng)細化手指模板(例如，一個、四個等)來驗證一簇經(jīng)細化手指模板包括有效手掌檢測。在另一個示例中，操作710包括：通過判定指定數(shù)量的經(jīng)細化手指模板中的顏色是否基本上是均勻的來驗證一簇經(jīng)細化手指模板包括有效手掌檢測。在另一個示例中，操作710包括：通過確定指定數(shù)量的經(jīng)細化手指模板中的連續(xù)手指模板之間的有序長度差來驗證一簇經(jīng)細化手指模板包括有效手掌檢測，其中，長度差包括從軸線到指尖的質(zhì)心坐標(biāo)的距離。例如，操作710可以包括：通過驗證有序長度差連續(xù)地包括一個正長度差和兩個負長度差或連續(xù)地包括兩個正長度差和一個負長度差來驗證一簇經(jīng)細化手指模板包括有效的張開手掌檢測。
圖8是根據(jù)實施例展示有效手掌檢測系統(tǒng)800的示意圖。在示例中，有效手掌檢測系統(tǒng)可以包括手指模板模塊802。手指模板模塊802可以確定從一組圖像像素中的像素到多個手指模板匹配中的像素的多個累積距離值，其中，所述組圖像像素包括圖像中在所檢測的邊緣上的一組圖像像素，并且從所述多個手指模板匹配中選擇一組手指模板匹配，所述組手指模板匹配對應(yīng)于來自所述多個累積距離值的一組最小累積距離值。
在示例中，手指模板模塊802可以使用單個模板的粗糙搜索來判定圖像中是否存在手指，其中，所述單個模板是數(shù)據(jù)庫中的多個模板的平均模板。在另一個示例中，手指模板模塊802可以預(yù)先確定所述組所選擇的手指模板匹配。檢測到的邊緣可以包括使用顏色通道數(shù)據(jù)檢測到的邊緣。顏色通道數(shù)據(jù)可以包括紅色、綠色、藍色、y亮度、彩色紅色、彩色藍色或飽和度中的至少一個。
有效手掌檢測系統(tǒng)800可以包括細化模塊804。細化模塊804可以細化所述組手指模板匹配以創(chuàng)建經(jīng)細化手指模板，其中，創(chuàng)建經(jīng)細化手指模板包括使用手指模板搜索、合并和閾值化。在示例中，細化模塊804可以通過使用手指模板搜索、手指模板合并和手指模板閾值化來細化經(jīng)細化手指模板從而迭代細化。
在另一個示例中，細化模塊804可以：在每次連續(xù)細化之后將細化間隔減小一半來迭代細化，其中，細化間隔包括一定數(shù)量的像素或者一個角度；將從所述組圖像像素中的像素到第一手指模板匹配中的像素與從所述組圖像像素中的像素到第二手指模板匹配中的像素的所述多個累積距離值進行比較，其中，所述第一手指模板匹配和所述第二手指模板匹配在所述多個手指模板匹配中，并且其中，通過根據(jù)細化間隔來增大或減小所述第一手指模板匹配的參數(shù)而確定所述第二手指模板匹配，所述細化間隔包括位置、尺度或角度值中的至少一個。在又一示例中，第二手指模板匹配可以包括與第一手指模板匹配不相同的形狀。經(jīng)細化手指模板可以包括多個形狀?？梢允褂脴湫谓?jīng)細化手指模板形狀族數(shù)據(jù)結(jié)構(gòu)將所述多個形狀存儲在數(shù)據(jù)庫中。
有效手掌檢測系統(tǒng)800可以包括分簇模塊806。分簇模塊806可以從經(jīng)細化手指模板中創(chuàng)建一簇經(jīng)細化手指模板。在示例中，分簇模塊806可以使用刻度、距離或角度試探法來創(chuàng)建所述簇。在另一個示例中，分簇模塊806可以確定多個可能的具有至少一個且少于六個手指模板匹配的簇，其中，所述多個可能簇中的每個可能簇對于所述可能簇中的所有手指模板匹配而言均滿足刻度、距離或角度試探法中的至少一個。
有效手掌檢測系統(tǒng)800可以包括驗證模塊808。驗證模塊808可以驗證一簇經(jīng)細化手指模板包括有效手掌檢測。在示例中，驗證模塊808用于確定一簇經(jīng)細化手指模板包括指定數(shù)量的手指模板。例如，驗證模塊808可以判定指定數(shù)量的手指模板中的顏色是否基本上是均勻的。在另一個示例中，驗證模塊808可以確定一簇經(jīng)細化手指模板中的連續(xù)經(jīng)細化手指模板之間的有序長度差，其中，長度差包括從軸線到指尖的質(zhì)心坐標(biāo)的距離。例如，驗證模塊808可以驗證有序長度差連續(xù)地包括一個正長度差和兩個負長度差或連續(xù)地包括兩個正長度差和一個負長度差。
圖9總體上展示了根據(jù)一些實施例的機器900的框圖的示例，可以在所述機器上執(zhí)行本文中所描述的技術(shù)(例如，方法)中的任何一項或多項。在替代性實施例中，機器900可作為獨立設(shè)備而進行操作或者可以連接(例如，連網(wǎng))至其他機器。在聯(lián)網(wǎng)部署中，機器900在服務(wù)器-客戶端網(wǎng)絡(luò)環(huán)境中可以以服務(wù)器機器、客戶端機器或兩者的身份進行操作。在示例中，機器900可以充當(dāng)對等(p2p)(或其他分布式)網(wǎng)絡(luò)環(huán)境中的對等機器。機器900可以是個人計算機(pc)、平板pc、機頂盒(stb)、個人數(shù)字助理(pda)、移動電話、web電器、網(wǎng)絡(luò)路由器、交換機或橋、或能夠執(zhí)行指定要由所述機器采取的動作的(順序或以其他方式)指令的任何機器。進一步地，雖然僅展示了單個機器，但術(shù)語“機器”還應(yīng)視為包括機器的任何集合，所述機器單獨地或聯(lián)合地執(zhí)行指令集合(或多個集合)以便執(zhí)行本文中所討論的方法中的任何一種或多種方法，比如，云計算、作為服務(wù)的軟件(saas)、其他計算機簇配置。
如本文所述的示例可以包括或可以操作在邏輯或一定數(shù)量的部件、模塊或機制上。模塊是能夠在操作時執(zhí)行指定操作的有形實體(例如，硬件)。模塊包括硬件。在示例中，硬件可以被具體配置為執(zhí)行特定操作(例如，硬連線)。在示例中，硬件可以包括可配置執(zhí)行單元(例如，晶體管、電路等)和包含指令的計算機可讀介質(zhì)，其中，所述指令將執(zhí)行單元配置成用于在操作時執(zhí)行特定操作?？梢栽趫?zhí)行單元或加載機構(gòu)的指導(dǎo)下發(fā)生配置。因此，在設(shè)備進行操作時，執(zhí)行單元通信地耦合至計算機可讀介質(zhì)。在所述示例中，執(zhí)行單元可以是多于一個模塊的成員。例如，在操作中，執(zhí)行單元可由第一組指令配置成用于在一個時間點實施第一模塊，并且由第二組指令重新配置成用于實施第二模塊。
機器(例如，計算機系統(tǒng))900可以包括硬件處理器902(例如，中央處理單元(cpu)、圖形處理單元(gpu)、硬件處理器核或其任何組合)、主存儲器904和靜態(tài)存儲器906，所述組件的一些或全部組件可以經(jīng)由互連鏈路(例如，總線)908彼此通信。機器900可以進一步包括顯示單元910、字母數(shù)字輸入設(shè)備912(例如，鍵盤)和用戶接口(ui)導(dǎo)航設(shè)備914(例如，鼠標(biāo))。在示例中，顯示單元910、字母數(shù)字輸入設(shè)備912和ui導(dǎo)航設(shè)備914可以是觸摸屏顯示器。機器900可以另外包括存儲設(shè)備(例如，驅(qū)動單元)916、信號生成設(shè)備918(例如，揚聲器)、網(wǎng)絡(luò)接口設(shè)備920以及一個或多個傳感器921，比如，全球定位系統(tǒng)(gps)傳感器、指南針、加速度計或其他傳感器。機器900可以包括輸出控制器928(比如，串行(例如，通用串行總線(usb))、并行或其他有線或無線(例如，紅外(ir)、近場通信(nfc)等)連接以便通信或控制一個或多個外圍設(shè)備(例如，打印機、讀卡器等)。
存儲設(shè)備916可包括非瞬態(tài)機器可讀介質(zhì)922，其上存儲有一個或多個數(shù)據(jù)結(jié)構(gòu)或指令集合924(例如，軟件)，所述一個或多個數(shù)據(jù)結(jié)構(gòu)或指令集合實施本文中所描述的技術(shù)或功能中的一項或多項或者由其利用。指令924還可以全部或至少部分地駐留在主存儲器904內(nèi)、在靜態(tài)存儲器906內(nèi)或在由機器900對其的執(zhí)行期間駐留在硬件處理器902內(nèi)。在示例中，硬件處理器902、主存儲器904、靜態(tài)存儲器906或存儲設(shè)備916的一個或任何組合可以構(gòu)成機器可讀介質(zhì)。
雖然機器可讀介質(zhì)922被展示為單個介質(zhì)，但是術(shù)語“機器可讀介質(zhì)”可以包括被配置成用于存儲所述一個或多個指令924的單個介質(zhì)或多個介質(zhì)(例如，集中式或分布式數(shù)據(jù)庫和/或相關(guān)聯(lián)高速緩存和服務(wù)器)。
術(shù)語“機器可讀介質(zhì)”可以包括能夠存儲、編碼或承載用于由機器900執(zhí)行的指令且使機器900執(zhí)行本公開的技術(shù)中的任何一種或多種的任何介質(zhì)或能夠存儲、編碼或承載由這種指令使用或與這種指令相關(guān)聯(lián)的數(shù)據(jù)結(jié)構(gòu)的任何介質(zhì)。非限制性機器可讀介質(zhì)示例可以包括固態(tài)存儲器以及光介質(zhì)和磁介質(zhì)。在示例中，大容量的機器可讀介質(zhì)包括帶有具有不變(例如，靜止)質(zhì)量的多個粒子的機器可讀介質(zhì)。相應(yīng)地，大容量的機器可讀介質(zhì)不是瞬態(tài)傳播信號。大容量的機器可讀介質(zhì)的特定示例可包括：非易失性存儲器，比如半導(dǎo)體存儲器設(shè)備(例如，電可編程只讀存儲器(eprom)、電可擦除可編程只讀存儲器(eeprom))和閃速存儲器設(shè)備；磁盤，如內(nèi)置硬盤和可移除磁盤；磁光盤；以及cd-rom和dvd-rom磁盤。
可以進一步利用一定數(shù)量的傳輸協(xié)議(例如，幀中繼、互聯(lián)網(wǎng)協(xié)議(ip)、傳輸控制協(xié)議(tcp)、用戶數(shù)據(jù)報協(xié)議(udp)、超文本傳輸協(xié)議(http)等)中的任一種協(xié)議、經(jīng)由網(wǎng)絡(luò)接口設(shè)備920、使用傳輸介質(zhì)、通過通信網(wǎng)絡(luò)926來傳輸或接收指令924。示例通信網(wǎng)絡(luò)可以包括：局域網(wǎng)(lan)、廣域網(wǎng)(wan)、分組數(shù)據(jù)網(wǎng)絡(luò)(例如，因特網(wǎng))、移動電話網(wǎng)絡(luò)(例如，蜂窩網(wǎng)絡(luò))、普通老式電話(pots)網(wǎng)絡(luò)、以及無線數(shù)據(jù)網(wǎng)絡(luò)(例如，已知為
各種說明和示例
這些非限制性示例中的每一個可以獨立地存在，或者可以以與其他示例中的一個或多個的各種排列或組合的方式組合。
示例1包括由用于使用圖像來檢測手的手掌的系統(tǒng)實施的主題，所述系統(tǒng)包括：手指模板模塊，所述手指模板模塊用于：確定從一組圖像像素中的像素到多個手指模板匹配中的像素的多個累積距離值，其中，所述組圖像像素包括在所述圖像中的所檢測邊緣上的一組圖像像素，并且從所述多個手指模板匹配中選擇一組手指模板匹配，所述組手指模板匹配對應(yīng)于來自所述多個累積距離值的一組最小累積距離值；細化模塊，所述細化模塊用于細化所述組手指模板匹配以創(chuàng)建經(jīng)細化手指模板，其中，創(chuàng)建所述經(jīng)細化手指模板包括使用手指模板搜索、合并和閾值化；分簇模塊，所述分簇模塊用于從所述經(jīng)細化手指模板中創(chuàng)建一簇經(jīng)細化手指模板；以及驗證模塊，所述驗證模塊用于驗證所述簇經(jīng)細化手指模板包括有效手掌檢測。
在示例2中，示例1的主題可以可選地包括：其中，所述手指模板模塊用于使用單個模板的粗糙搜索來判定所述圖像中是否存在手指，其中，所述單個模板是數(shù)據(jù)庫中的多個模板的平均模板。
在示例3中，實例1-2中的一個或其任何組合的主題可以可選地包括：其中，所述手指模板模塊用于預(yù)先確定所述組所選擇的手指模板匹配。
在示例4中，示例1-3的一個或其任何組合的主題可以可選地包括：其中，所述細化模塊用于通過使用手指模板搜索、合并和閾值化來細化所述經(jīng)細化手指模板從而迭代細化。
在示例5中，示例1-4中的一個或其任何組合的主題可以可選地包括：其中，為了迭代細化，所述細化模塊用于：在每次連續(xù)細化之后將細化間隔減小一半，其中，所述細化間隔包括一定數(shù)量的像素或者一個角度；將從所述組圖像像素中的像素到第一手指模板匹配中的像素與到第二手指模板匹配中的像素的所述多個累積距離值進行比較，其中，所述第一手指模板匹配和所述第二手指模板匹配在所述多個手指模板匹配中，并且其中，通過根據(jù)細化間隔來增大或減小所述第一手指模板匹配的參數(shù)而確定所述第二手指模板匹配，所述細化間隔包括位置、尺度或角度值中的至少一個。
在示例6中，示例1-5中的一個或其任何組合的主題可以可選地包括：其中，所述第二手指模板匹配包括與所述第一手指模板匹配不相同的形狀。
在示例7中，示例1-6中的一個或其任何組合的主題可以可選地包括：其中，所述經(jīng)細化手指模板包括多個形狀，所述多個形狀是使用樹形經(jīng)細化手指模板形狀族數(shù)據(jù)結(jié)構(gòu)來存儲的。
在示例8中，示例1-7中的一個或其任何組合的主題可以可選地包括：其中，所述多個累積距離值包括所述組圖像像素中的所述像素與所述多個手指模板匹配中的所述像素的平均平方距離。
在示例9中，示例1-8中的一個或其任何組合的主題可以可選地包括：其中，所述所檢測邊緣包括使用顏色通道數(shù)據(jù)檢測到的邊緣，所述顏色通道數(shù)據(jù)包括紅色、綠色、藍色、y-亮度、彩色紅色、彩色藍色和飽和度中的至少一個。
在示例10中，示例1-9中的一個或其任何組合的主題可以可選地包括：其中，為了創(chuàng)建所述簇，所述分簇模塊使用刻度、距離或角度試探法。
在示例11中，示例1-10中的一個或其任何組合的主題可以可選地包括：其中，為了創(chuàng)建所述簇，所述分簇模塊用于確定多個可能的具有至少一個且少于六個手指模板匹配的簇，其中，所述多個可能簇中的每個可能簇對于所述可能簇中的所有手指模板匹配而言均滿足刻度、距離或角度試探法中的至少一個。
在示例12中，示例1-11中的一個或其任何組合的主題可以可選地包括：其中，為了驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測，所述驗證模塊用于確定所述簇經(jīng)細化手指模板包括指定數(shù)量的手指模板。
在示例13中，示例1-12中的一個或其任何組合的主題可以可選地包括：其中，為了驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測，所述驗證模塊用于判定所述指定數(shù)量的手指模板中的顏色是否基本上是均勻的。
在示例14中，示例1-13中的一個或其任何組合的主題可以可選地包括：其中，為了驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測，所述驗證模塊用于確定所述簇經(jīng)細化手指模板中的連續(xù)經(jīng)細化手指模板之間的有序長度差，其中，長度差包括從軸線到指尖的質(zhì)心坐標(biāo)的距離。
在示例15中，示例1-14中的一個或其任何組合的主題可以可選地包括：其中，為了驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測，所述驗證模塊用于驗證所述有序長度差包括一個正長度差和兩個連續(xù)負長度差的序列或兩個連續(xù)正長度差和一個負長度差的序列。
示例16包括由用于使用圖像來檢測手的手掌的方法實施的主題，所述方法包括：在處理器處確定從一組圖像像素中的像素到多個手指模板匹配中的像素的多個累積距離值，其中，所述組圖像像素包括在所述圖像中的所檢測邊緣上的一組圖像像素；從所述多個手指模板匹配中選擇一組手指模板匹配，所述組手指模板匹配對應(yīng)于來自所述多個累積距離值的一組最小累積距離值；細化所述組手指模板匹配以創(chuàng)建經(jīng)細化手指模板，其中，創(chuàng)建所述經(jīng)細化手指模板包括使用手指模板搜索、手指模板合并和手指模板閾值化；分簇經(jīng)細化手指模板以創(chuàng)建一簇經(jīng)細化手指模板；以及驗證所述簇經(jīng)細化手指模板包括有效手掌檢測。
在示例17中，示例16的主題可以可選地包括：進一步包括使用顏色通道數(shù)據(jù)檢測所述圖像中的邊緣。
在示例18中，示例16-17中的一個或其任何組合的主題可以可選地包括：其中，所述顏色通道數(shù)據(jù)包括紅色、綠色、藍色、y亮度、彩色紅色、彩色藍色和飽和度中的至少一個。
在示例19中，示例16-18中的一個或其任何組合的主題可以可選地包括：進一步包括使用單個模板的粗糙搜索來判定所述圖像中是否存在手指，其中，所述單個模板是數(shù)據(jù)庫中的多個模板的平均模板。
在示例20中，示例16-19中的一個或其任何組合的主題可以可選地包括：進一步包括預(yù)先確定所述組所選擇的手指模板匹配。
在示例21中，示例16-20中的一個或其任何組合的主題可以可選地包括：進一步包括通過使用手指模板搜索、合并和閾值化來細化所述經(jīng)細化手指模板而迭代細化。
在示例22中，示例16-21中的一個或其任何組合的主題可以可選地包括：其中，迭代細化包括：在每次連續(xù)細化之后將細化間隔減小一半，其中，所述細化間隔包括一定數(shù)量的像素或者一個角度；將從所述組圖像像素中的像素到第一手指模板匹配中的像素與到第二手指模板匹配中的像素的所述多個累積距離值進行比較，其中，所述第一手指模板匹配和所述第二手指模板匹配在所述多個手指模板匹配中，并且其中，通過根據(jù)細化間隔來增大或減小所述第一手指模板匹配的參數(shù)而確定所述第二手指模板匹配，所述細化間隔包括位置、尺度或角度值中的至少一個。
在示例23中，示例16-22中的一個或其任何組合的主題可以可選地包括：其中，所述第二手指模板匹配包括與所述第一手指模板匹配不相同的形狀。
在示例24中，示例16-23中的一個或其任何組合的主題可以可選地包括：其中，所述經(jīng)細化手指模板包括多個形狀，所述多個形狀是使用樹形經(jīng)細化手指模板形狀族數(shù)據(jù)結(jié)構(gòu)來存儲的。
在示例25中，示例16-24中的一個或其任何組合的主題可以可選地包括：其中，所述多個累積距離值包括所述組圖像像素中的所述像素與所述多個手指模板匹配中的所述像素的平均平方距離。
在示例26中，示例16-25中的一個或其任何組合的主題可以可選地包括：其中，創(chuàng)建所述簇包括確定多個可能的具有至少一個且少于六個手指模板匹配的簇，其中，所述多個可能簇中的每個可能簇對于所述可能簇中的所有手指模板匹配而言均滿足刻度、距離或角度試探法中的至少一個。
在示例27中，示例16-26中的一個或其任何組合的主題可以可選地包括：其中，驗證所述經(jīng)細化手掌模板包括有效手掌檢測包括確定所述簇經(jīng)細化手指模板包括指定數(shù)量的手指模板。
在示例28中，示例16-27中的一個或其任何組合的主題可以可選地包括：其中，驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測包括判定所述指定數(shù)量的手指模板中的顏色是否基本上是均勻的。
在示例29中，示例16-28中的一個或其任何組合的主題可以可選地包括：其中，驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測包括確定所述簇經(jīng)細化手指模板中的連續(xù)經(jīng)細化手指模板之間的有序長度差，其中，長度差包括從軸線到指尖的質(zhì)心坐標(biāo)的距離。
在示例30中，示例16-29中的一個或其任何組合的主題可以可選地包括：其中，驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測包括驗證所述有序長度差包括一個正長度差和兩個連續(xù)負長度差的序列或兩個連續(xù)正長度差和一個負長度差的序列。
示例31包括包括用于接收信息的指令的至少一種機器可讀介質(zhì)，所述指令當(dāng)由機器執(zhí)行時使所述機器執(zhí)行示例16-30的方法中的任一種方法。
示例32包括一種設(shè)備，所述設(shè)備包括用于執(zhí)行示例16-30的方法中的任一種方法的裝置。
示例33包括由設(shè)備實施的主題，所述設(shè)備包括：用于在處理器處確定從一組圖像像素中的像素到多個手指模板匹配中的像素的多個累積距離值的裝置，其中，所述組圖像像素包括在所述圖像中的所檢測邊緣上的一組圖像像素；用于從所述多個手指模板匹配中選擇一組手指模板匹配的裝置，所述組手指模板匹配對應(yīng)于來自所述多個累積距離值的一組最小累積距離值；用于細化所述組手指模板匹配以創(chuàng)建經(jīng)細化手指模板的裝置，其中，創(chuàng)建所述經(jīng)細化手指模板包括使用手指模板搜索、手指模板合并和手指模板閾值化；用于分簇經(jīng)細化手指模板以創(chuàng)建一簇經(jīng)細化手指模板的裝置；以及用于驗證所述簇經(jīng)細化手指模板包括有效手掌檢測的裝置。
在示例34中，示例33的主題可以可選地包括：進一步包括用于使用顏色通道數(shù)據(jù)檢測所述圖像中的邊緣的裝置。
在示例35中，示例33-34中的一個或其任何組合的主題可以可選地包括：其中，所述顏色通道數(shù)據(jù)包括紅色、綠色、藍色、y亮度、彩色紅色、彩色藍色和飽和度中的至少一個。
在示例36中，示例33-35中的一個或其任何組合的主題可以可選地包括：進一步包括用于使用單個模板的粗糙搜索來判定所述圖像中是否存在手指的裝置，其中，所述單個模板是數(shù)據(jù)庫中的多個模板的平均模板。
在示例37中，示例33-36中的一個或其任何組合的主題可以可選地包括：進一步包括用于預(yù)先確定所述組所選擇的手指模板匹配的裝置。
在示例38中，示例33-37中的一個或其任何組合的主題可以可選地包括：進一步包括用于通過使用手指模板搜索、合并和閾值化來細化所述經(jīng)細化手指模板而迭代細化的裝置。
在示例39中，示例33-38中的一個或其任何組合的主題可以可選地包括：其中，用于迭代細化的所述裝置包括：用于在每次連續(xù)細化之后將細化間隔減小一半的裝置，其中，所述細化間隔包括一定數(shù)量的像素或者一個角度；用于將從所述組圖像像素中的像素到第一手指模板匹配中的像素與到第二手指模板匹配中的像素的所述多個累積距離值進行比較的裝置，其中，所述第一手指模板匹配和所述第二手指模板匹配在所述多個手指模板匹配中，并且其中，通過根據(jù)細化間隔來增大或減小所述第一手指模板匹配的參數(shù)而確定所述第二手指模板匹配，所述細化間隔包括位置、尺度或角度值中的至少一個。
在示例40中，示例33-39中的一個或其任何組合的主題可以可選地包括：其中，所述第二手指模板匹配包括與所述第一手指模板匹配不相同的形狀。
在示例41中，示例33-40中的一個或其任何組合的主題可以可選地包括：其中，所述經(jīng)細化手指模板包括多個形狀，所述多個形狀是使用樹形經(jīng)細化手指模板形狀族數(shù)據(jù)結(jié)構(gòu)來存儲的。
在示例42中，示例33-41中的一個或其任何組合的主題可以可選地包括：其中，所述多個累積距離值包括所述組圖像像素中的所述像素與所述多個手指模板匹配中的所述像素的平均平方距離。
在示例43中，示例33-42中的一個或其任何組合的主題可以可選地包括：其中，用于創(chuàng)建所述簇的所述裝置包括用于確定多個可能的具有至少一個且少于六個手指模板匹配的簇的裝置，其中，所述多個可能簇中的每個可能簇對于所述可能簇中的所有手指模板匹配而言均滿足刻度、距離或角度試探法中的至少一個。
在示例44中，示例33-43中的一個或其任何組合的主題可以可選地包括：其中，用于驗證所述經(jīng)細化手掌模板包括有效手掌檢測的所述裝置包括用于確定所述簇經(jīng)細化手指模板包括指定數(shù)量的手指模板的裝置。
在示例45中，示例33-44中的一個或其任何組合的主題可以可選地包括：其中，用于驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測的所述裝置包括用于判定所述指定數(shù)量的手指模板中的顏色是否基本上是均勻的裝置。
在示例46中，示例33-45中的一個或其任何組合的主題可以可選地包括：其中，用于驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測的所述裝置包括用于確定所述簇經(jīng)細化手指模板中的連續(xù)經(jīng)細化手指模板之間的有序長度差的裝置，其中，長度差包括從軸線到指尖的質(zhì)心坐標(biāo)的距離。
在示例47中，示例33-46中的一個或其任何組合的主題可以可選地包括：其中，用于驗證所述簇經(jīng)細化手指模板包括所述有效手掌檢測的所述裝置包括用于驗證所述有序長度差包括連續(xù)的一個正長度差和兩個連續(xù)負長度差的序列或兩個連續(xù)正長度差和一個負長度差的序列。
以上的詳細描述包括對附圖的參照，這些附圖形成了詳細描述的一部分。附圖通過展示的方式示出了特定實施例。這些實施例在本文中也被稱為“示例”。這種示例可以包括除所示出或所描述的要素之外的要素。然而，諸位發(fā)明人還設(shè)想了其中僅提供所示出或所描述的那些要素的示例。另外，諸位發(fā)明人還設(shè)想了相對于特定示例(或其一個或多個方面)或者相對于本文中所示出或所描述的其他示例(或其一個或多個方面)，使用所示出或所描述的那些要素(或其一個或多個方面)的任何組合或排列的示例。
在本文檔與通過引用并入的任何文檔之間的用法不一致的情況下，以本文檔中的用法為準(zhǔn)。
在本文檔中，如在專利文檔中是普遍的，術(shù)語“一個(a)”或“一個(an)”用于包括一個或多于一個，獨立于“至少一個”或者“一個或多個”的任何其他實例或用法。在本文檔中，術(shù)語“或者”用于指代非排他的或，從而使得除非另外指示，“a或b”包括“a而沒有b”、“b而沒有a”以及“a和b”。在本文檔中，術(shù)語“包括(including)”和“其中(inwhich)”被用作相應(yīng)術(shù)語“包括(comprising)”和“其中(wherein)”的易懂的英文等價詞。此外，在以下權(quán)利要求書中，術(shù)語“包括(including)”和“包括(comprising)”是開放式的，即，除在權(quán)利要求中列在此類術(shù)語之后的那些元素外還包括元素的系統(tǒng)、設(shè)備、物品、組合物、配方或過程仍被視為落入所述權(quán)利要求的范圍內(nèi)。此外，在以下權(quán)利要求書中，術(shù)語“第一”、“第二”和“第三”等僅僅用作標(biāo)簽，并且不旨在對它們的對象施加數(shù)值要求。
本文描述的方法示例可以至少部分地是機器或計算機實現(xiàn)的。一些示例可以包括編碼有可操作以配置電子設(shè)備來執(zhí)行如上述示例中所述的方法的指令的計算機可讀介質(zhì)或機器可讀介質(zhì)。這種方法的實現(xiàn)可以包括代碼，比如微代碼、匯編語言代碼、更高級別的語言代碼等。這種代碼可以包括用于執(zhí)行各種方法的計算機可讀指令。所述代碼可以形成計算機程序產(chǎn)品的一部分。此外，在示例中，所述代碼可以有形地存儲在一個或多個易失性、非瞬態(tài)或非易失性有形計算機可讀介質(zhì)上，比如在執(zhí)行期間或在其他時間。這些有形計算機可讀介質(zhì)的示例可以包括但不限于硬盤、可移除磁盤、可移除光盤(例如，光盤和數(shù)字視頻盤)、磁帶盒、存儲卡或棒、隨機存取存儲器(ram)、只讀存儲器(rom)等。
以上描述旨在是說明性的，而非限制性的。例如，以上所描述的示例(或其一個或多個方面)可相互組合使用。如本領(lǐng)域的普通技術(shù)人員在審閱以上描述后可以使用其他實施例。提供了摘要以符合37c.f.r.§1.72(b)，以允許讀者快速明確技術(shù)公開的性質(zhì)。基于其將不被用于解釋或者限制權(quán)利要求書的范圍或者含義的理解提交摘要。而且，在以上具體實施方式中，可以將各個特征分組在一起以便精簡本公開。這不應(yīng)當(dāng)被解釋為意圖指未要求保護的公開的特征對于任何權(quán)利要求是必需的。相反，發(fā)明性主題可在于比特定的公開實施例的所有特征要少的特征。因此，以下權(quán)利要求作為示例或?qū)嵤├徊⑷刖唧w實施方式中，其中每個權(quán)利要求獨立地作為單獨的實施例，并且預(yù)期這些實施例可以以各種組合或排列彼此組合。
- 還沒有人留言評論。精彩留言會獲得點贊！