买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北大学

摘要：本发明提供了一种基于隐马尔可夫模型的机器人动态手势识别方法和装置。该动态手势识别方法包括隐马尔可夫模型训练阶段以及动态手势识别阶段；无论是在隐马尔可夫模型训练阶段，还是在动态手势识别阶段，均涉及到手部跟踪以及特征提取；而本发明在手部跟踪时，使用颜色直方图与粒子滤波结合的方法，同时加入了手部运动信息，解决了人脸干扰手部追踪的问题；在特征提取时，为了减少数据存储量，提出了一种形状上下文链码以描述手部运动轨迹的特征。本发明结合改进的手部跟踪方法和形状上下文链码，实现了动态手势识别。该方法可用于轮式机器人、腿式机器人等各种常见机器人。

主权项：1.一种基于隐马尔可夫模型的机器人动态手势识别方法，其特征是，包括隐马尔可夫模型训练阶段以及动态手势识别阶段；所述隐马尔可夫模型训练阶段包括如下步骤：1-1、初始化隐马尔可夫模型；1-2、对训练样本进行手势跟踪以及特征提取；手势跟踪采用颜色直方图与粒子滤波算法相结合的方式，同时加入手部运动信息；特征提取采用形状上下文链码方式获取手势运动轨迹的特征向量；1-3、利用训练样本的特征向量作为隐马尔可夫模型的输入数据，使用Baum-Welch算法训练隐马尔可夫模型；1-4、经过训练，训练样本中每种类型手势得到一个对应的隐马尔可夫模型；所述动态手势识别阶段包括如下步骤：2-1、对待识别手势进行手势跟踪以及特征提取；手势跟踪采用颜色直方图与粒子滤波算法相结合的方式，同时加入手部运动信息；特征提取采用形状上下文链码方式获取待识别手势运动轨迹的特征向量；2-2、将步骤2-1所获得的待识别手势运动轨迹的特征向量分别输入步骤1-4所训练好的各类型手势对应的隐马尔可夫模型中，使用前向-后向算法计算待识别手势与各类型手势对应的隐马尔可夫模型的匹配概率；2-3、从步骤2-2中选取匹配概率中的最大值，该最大匹配概率对应的手势类型即为待识别手势的类型；步骤1-2以及步骤2-1中，手势跟踪采用颜色直方图与粒子滤波算法相结合的方式，同时加入手部运动信息，具体步骤如下：a、预定义手部区域模板；b、使用直方图投影算法在图像中寻找与预定义手部区域模板HSV直方图相同的像素，从而获得肤色区域Sr；c、使用帧间差分法检测运动区域Mr，并与肤色区域Sr取交集，进而得到运动肤色区域；d、使用粒子滤波算法追踪运动肤色区域；e、对动态手势中各帧图像依序执行上述步骤b-d，得到手势中心点的运动轨迹；步骤1-2以及步骤2-1中，特征提取采用形状上下文链码方式获取手势运动轨迹的特征向量，具体包括如下步骤：选取任一手势中心点pi∈P,i∈1,m-1为极点建立极坐标系，m为手势中心点数目，以极点为圆心做n个同心圆，相邻同心圆的半径差相等，对每一同心圆进行L等分，形成L×n个栅格，对这些栅格进行按序编号，形成一组从1到L×n的编码数据；使用下列公式计算点pi∈P,i∈1,m-1与点pi+1∈P,i∈1,m-1之间的欧氏距离di： 其中，xi,yi和xi+1,yi+1分别为点Pi和Pi+1的坐标；使用下列公式计算点pi+1∈P,i∈1,m-1与点pi∈P,i∈1,m-1之间的方位角αi： 根据点pi+1与点pi之间的相对位置，即使用计算得到的欧氏距离di和方位角αi，判断点pi+1属于哪个栅格，并将其所属栅格编号作为形状上下文链码的特征值，进而手势运动轨迹可通过一组有序序列的特征向量进行表示。

全文数据：

权利要求：

百度查询： 河北大学 基于隐马尔可夫模型的机器人动态手势识别方法和装置