基于凸包算法的指尖识别方法

针对现有指尖检测方法容易受背景的干扰,并且指尖误判点较多的情况,提出了一种基于凸包分析的指尖检测算法。首先,为减少类肤色背景和光照对手部轮廓提取的影响,采用YCbCr肤色模型和背景差分法相结合的方法提取手部轮廓;然后采用快速凸包算法获得手部轮廓的凸包,并利用凸包顶点和缺陷点计算出掌心的坐标,根据凸包缺陷深度和手指几何特征及曲率特征检测手指指尖;最后采用有灯光和类肤色背景干扰的环境,而不是背景单一的环境进行实验,验证了所提算法的鲁棒性。实验结果表明,该算法可以有效识别出指尖数目和手掌的位置,实现简单的数字手势（0~5）的识别,具有较强的鲁棒性。     

手指书写汉字识别系统中的指尖检测方法

为满足手指交互系统的需要,提出了一种快速、鲁棒的指尖检测方法,该方法首先分割前景,获得手的轮廓,然后采用网格抽样方法定位指尖的粗略位置,再通过环形特征匹配方法确定指尖的准确位置.实验结果表明,该方法检测指尖的准确率可以达到98.5%.将文中提出的指尖检测方法运用到新的手指书写汉字输入系统中,可以识别用户直接用手指书写的字符.     

一种基于手指轮廓特征的目标识别与定位算法

为了提高从背景图像中提取目标的速度和精度,设计了一种基于手指轮廓特征的目标识别与定位算法;该算法利用肤色信息和手指轮廓特征进行目标识别,利用提出的9点快速定位算法进行目标定位。仿真结果表明,该算法能正确识别出手指的特征;并对其进行快速定位。在实物系统上对算法的实时性、识别准确率、定位精度等性能进行了测试,测试结果表明,算法运行时间不超过40 ms,能保证系统对实时性的要求;在无手指状干扰物存在的情况下,目标识别的准确率可达95%以上;定位精度误差小于8 mm,可满足系统对定位精度的要求。这种基于手指轮廓特征的目标识别与定位算法为增强人机交互系统的和谐性提供了一种新的技术途径。     

基于手指骨架提取的手形识别方法

针对使用非接触式手形采集仪采集手形时,手掌图像的指根处轮廓会因手掌张开幅度不同而出现不同程度的变形,增加手形精确定位和手形识别的难度这一问题,提出一种不受指根处轮廓变形影响的手形识别算法。该算法首先提取出细化的手指骨架,其次拟合手指骨架并定位手指中线,然后提取与指根部无关的指形特征,最后,计算注册样本与待识别样本的差异特征统计值并进行判别决策。研究结果表明:本文提出的手形识别算法对指根处轮廓变形有着较强的鲁棒性,识别率可达99.62%。     

基于径向对称变换的实时指尖检测算法

对于很多基于视觉的徒手人机交互系统,指尖的检测是其中的关键环节.为此提出了一种新颖简单但高效的方法来实现不同背景下的指尖检测,该算法不需要进行任何前景分割来辅助定位.针对指尖自身的形状所具有的径向对称性质,采用改进的径向对称变换算法先检测出指尖的候选点,然后通过肤色判别操作来帮助实现指尖的准确定位.实验结果表明,本文算法在不同的实际背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时.     

利用Kinect手部跟踪构造手势空间点集进行指尖定位的研究与实现

利用Kinect实现非接触式人机交互是当前研究的热点,手势识别是Kinect应用程序的核心,但是Microsoft Kinect for Windows SDK提供的手部深度图像跟踪算法中没有手指的描述子集,因此不能进行有效的指尖定位.基于此,本文提出利用Kinect手部跟踪点获取真实坐标,进而构造空间点集来提取手势信息,其中空间跟踪点集是指满足目标特征且与局部跟踪信息相关的空间坐标集合.在此基础上,利用K-曲率算法实现手势的指尖定位,并通过9个经典手势对该方法进行验证.实验结果表明,通过本文提出的实现方法所获取的指尖位置准确率可达到91%,指尖定位速度可以达到30FPS,完全可以满足体感游戏、页面自动换页等功能的需要.     

基于机器视觉的环形工件表面字符的提取识别

文章针对工件环形表面字符检测的困难提出一种视觉检测算法.首先对相机采集的照片进行空间滤波、二值化处理的预处理操作,得到便于处理的圆形轮廓区域;然后对圆形轮廓进行基于梯度算法的轮廓查找、极坐标变换展开,使用基于连通域的方法对待检测区域实现字符区域定位,重复使用该方法分割单个字符图像;最后基于卷积神经网络识别算法对分割后的...     

一种新的指横纹与静脉加权融合算法

为解决静脉识别中静脉细节特征信息量相对较少、误拒率和误识率偏高等问题,提出了一种新的手指指横纹与静脉加权融合算法.该算法在指横纹图像预处理阶段,通过一种基于八邻域的曲线曲率法准确定位手掌基准点,并以直线拟合技术拟合手指外轮廓,进而定位指横纹感兴趣区域;在图像匹配阶段,采用Gabor滤波器提取指横纹特征信息,并将指横纹和静脉进行加权信息融合.仿真实验表明,此算法能提高系统的识别率和稳定性.     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。     

基于Kinect的机械手体感控制系统

提出一种基于深度信息对手指坐标进行实时跟踪,并可用于机械手同步运动控制的方案。首先利用Kinect的骨骼信息定位手掌位置并进行手部分割和轮廓提取,再提取指尖坐标,经卡尔曼滤波后计算手指与手掌的夹角,并发送至下位机,进而控制机械手与人手同步运动。     

人机交互过程中数字手势的识别方法

为了获得简单、高效的数字手势识别方法,增加使用者舒适的体验,提出一种基于Kinect融合深度信息和骨骼信息的数字手势识别方案.首先,使用Kinect进行深度数据的采集,建立深度图像;其次,结合骨骼追踪系统,提取人体轮廓,运用深度阈值法从轮廓中分割出手部区域,并进行二维图像的重建;再次,利用手腕和手掌骨骼点准确分割出手掌区域,并运用图像形态学开运算进行处理,得到不含手指的图像,进而提取掌心坐标;最后,计算半径,确定掌心圆,采用圆的边界和手指相交次数的方式识别手指个数.实验结果表明:数字手势识别方案能够准确、高效地识别数字手势.     

复杂背景下实时运动手指与指尖提取

由于指势可作为理想人机交互模式,研究指势识别具有重要意义,其中手指分割是关键.该文根据场景中任何可察觉的目标运动,都会体现在场景图像序列的变化中及彩色图像中红、绿、蓝三分量光强度在阴影区域存在差异,提出基于长序列多帧差分融合RGB彩色信息,建立自适应背景建模方法,从复杂背景中提取运动目标.根据手指在视频图像中的空间位置关系,提出自适应矩形结构元素对运动目标区域开运算,实现水平分割,以提取手指区域并确定手指尖位置.通过对不同背景的运动手指与指尖分割与提取,证实文中所提方法的鲁棒性.     

二值图像中目标物体轮廓的边界跟踪算法

分析了二值图像识别中常见的边界跟踪算法,在此基础上提出一种通用性强的边界跟踪算法,能够根据上一边界点的位置判断轮廓走向.在搜索下一个边界点时,只需要对候选的5个点进行判断,便可以找到下一个边界点的位置,从而减少了搜索的次数,使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可以一次扫描得到其轮廓信息.实验表明,算法不仅速度快,而且轮廓识别准确.对于目标物较复杂的图像,算法更能体现出其优越性.     

一种内侧指横纹识别方法

提出了一种新的内侧指横纹识别方法.首先,对图像采集设备进行改进,在采集过程中固定了手指方向,使获得的指横纹感兴趣区域(ROI)之间只存在微小的平移变换,有利于提高图像匹配的精度.另外,在预处理阶段,利用Gabor滤波法检测手指线特征以分割手指,并从中提取出ROI.在特征匹配阶段,提出了一种利用投影比较进行定位的图像匹配方法,对ROI特征图像进行水平和垂直方向投影,通过比较所得的一维向量实现感兴趣区域的精准定位.评估系统建立在包含来自于77个人的820幅图像的数据库上,等错误率仅为0.61%,单次匹配时间为3.1ms,证明该算法可快速实现指横纹特征识别,准确率较高.     

一种快速手势识别算法的实现与验证

基于大多数的手势识别算法,需要提取高维度的特征,限制了手势识别在实时系统中的应用。文中针对这种问题,提出一种快速的手势识别算法。首先,在原始图像上提取轮廓块边缘对目标区域进行分割。其次,提取目标区域的形状特征。然后,在数据库中,对每种手势只记录一幅标准的参考图像。最后,通过比较参考图像与待检测图像中的手势特征,来匹配和标记手势的含义。实验结果表明,文中提出的快速算法能够准确地识别手势。     

基于形位特征的机械零件加工位置识别

不同形状零件具有个性特征,为了对具体形状零件的准确定位进行进一步研究,首先通过霍夫变换提取给定零件轮廓中发直线和圆特征,进而利用峰值检测和K-means聚类分析方法准确识别有效的直线和圆特征;依次建立零件轮廓的绝对坐标系和零件标准位置模板坐标系;分别采用基于零件全特征和基于零件主要特征的方式提取零件轮廓的有效像素点,并通过模拟退火算法求解了不同迭代次数下采用这两种方式识别零件位置的速度和精度。为提高识别速度,建立基于零件几何特征的快速识别模型,即将目标函数简化为被测零件的圆心与标准位置模板圆心的最短距离和为最小,通过模拟退火算法进行求解。结果表明,零件的识别时间为0. 321 s,最低识别精度为98. 7%,可见该方法识别精度高,识别速度快。     

一种有效的不变性角点检测方法

在图像形态分类与识别系统中，不变性角点检测是很重要的预处理环节，为有效检测角点，并对之精确定位，本文着重介绍一种基于小波变换的不变性角点检测方法。该方法先对轮廓上各点的切向方向进行小波变换，然后提取出变换幅度的局域最大值点作为待定角点。接着，根据待定角点类型建立相对应的模型，并根据模型对待定角点的直伪进行评判，实验表明，上述方法既能正确检测到角点，又能大大提高计算效率。