本發明專利技術公開了人手檢測與識別的方法，包括：搜集檢測正負例樣本；得到每個檢測正例樣本和每個檢測負例樣本的多通道特征信息，并得到它們對應的標記；根據所述每個檢測正例樣本和所述每個檢測負例樣本的多通道特征信息及它們對應的標記，通過級聯分類器訓練算法得到至少兩個強分類器，所述至少兩個強分類器級聯后得到檢測級聯分類器；通過攝像頭獲取用戶原始圖像，提取所述用戶原始圖像的多通道特征信息；將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器，得到人手檢測區域信息；根據所述人手檢測區域信息識別得到最終識別結果。還公開了人手檢測與識別的裝置。本發明專利技術實時性高、魯棒性強。
【技術實現步驟摘要】
【專利摘要】本專利技術公開了人手檢測與識別的方法，包括：搜集檢測正負例樣本；得到每個檢測正例樣本和每個檢測負例樣本的多通道特征信息，并得到它們對應的標記；根據所述每個檢測正例樣本和所述每個檢測負例樣本的多通道特征信息及它們對應的標記，通過級聯分類器訓練算法得到至少兩個強分類器，所述至少兩個強分類器級聯后得到檢測級聯分類器；通過攝像頭獲取用戶原始圖像，提取所述用戶原始圖像的多通道特征信息；將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器，得到人手檢測區域信息；根據所述人手檢測區域信息識別得到最終識別結果。還公開了人手檢測與識別的裝置。本專利技術實時性高、魯棒性強。【專利說明】—種人手檢測與識別的方法與裝置
本專利技術涉及人機交互
，尤其涉及一種人手檢測與識別的方法與裝置。
技術介紹
目前在對移動機器人特別是替身機器人的控制中，對人手的檢測定位和對人手的 識別在人機交互過程中起著至關重要的作用。現有技術公開了一種基于視頻流的人手定位方法，該方法包括如下步驟:(I)攝 像頭采集一段圖像序列，并在采集的圖像中獲取人臉的位置與大小信息；(2)根據人臉的 位置與大小信息，確定揮手檢測區域，并計算出人手大小；(3)計算所述揮手檢測區域內是 否產生揮手，若檢測到揮手，并獲得變化像素區域的位置中心點；(4)以變化像素區域的位 置中心點作為參考點，并根據步驟(2)計算出人手的大小，確定人手搜索區域，再定位人手 的精確位置。這種方法對環境要求高、魯棒性不高，此外并沒有能夠在單幀圖像中實現對人 手的識別功能。
技術實現思路
本專利技術提供了 一種人手檢測與識別的方法與裝置，提高了魯棒性。本專利技術提供了一種人手檢測與識別的方法，包括:搜集檢測正負例樣本；得到每個檢測正例樣本和每個檢測負例樣本的多通道特征信息，并得到它們對應 的標記；根據所述每個檢測正例樣本和所述每個檢測負例樣本的多通道特征信息及它們 對應的標記，通過級聯分類器訓練算法得到至少兩個強分類器，所述至少兩個強分類器級 聯后得到檢測級聯分類器；通過攝像頭獲取用戶原始圖像，提取所述用戶原始圖像的多通道特征信息；將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器，得到人手檢測 區域信息；根據所述人手檢測區域信息識別得到最終識別結果。較優的，所述將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器， 得到人手檢測區域信息，具體為:將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器，得到輸出檢測 區域信息，將所述輸出檢測區域信息進行NMS處理，得到人手檢測區域信息。較優的，所述根據所述人手檢測區域信息識別得到最終識別結果，具體為:搜集識別正負例樣本；提取每個識別正負例樣本的LBPH特征信息與HOG特征信息，并得到它們對應的正 負例標簽；利用線性降維算法對所述每個識別正負例樣本的LBPH特征信息與HOG特征信息進行線性降維，得到降維變換矩陣和降維后的識別正負例樣本的LBPH特征信息與HOG特征信息；根據所述降維后的識別正負例樣本的LBPH特征信息與HOG特征信息以及它們對 應的正負例標簽，經過RBFSVM算法得到RBFSVM分類器；提取人手檢測區域信息中的LBPH特征信息和HOG特征信息；將所述人手檢測區域信息中的LBPH特征信息和HOG特征信息經過所述降維變換 矩陣得到降維后的準確特征信息；將所述降維后的準確特征信息通過所述RBFSVM分類器得到最終識別結果。較優的，在所述將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類 器，得到人手檢測區域信息之后，還包括:對所述用戶原始圖像進行人臉檢測，將得到的人臉檢測區域信息與人手檢測區域 信息進行交疊區域面積計算，當所述交疊區域面積大于預設的閾值時，將所述交疊區域面 積從所述人手檢測區域信息中剔除，則得到人臉檢測后的人手檢測區域信息。較優的，還包括:將所述人臉檢測后的人手檢測區域信息進行顏色空間變化，提取膚色區域，將誤 檢區域剔除，得到準確的人手檢測區域信息。本專利技術還提供了一種人手檢測與識別的裝置，包括:檢測訓練模塊，與檢測模塊相連，用于搜集檢測正負例樣本，得到每個檢測正例樣 本和每個檢測負例樣本的多通道特征信息，并得到它們對應的標記，根據所述每個檢測正 例樣本和所述每個檢測負例樣本的多通道特征信息及它們對應的標記，通過級聯分類器訓 練算法得到至少兩個強分類器，所述至少兩個強分類器級聯后得到檢測級聯分類器；獲取圖像模塊，與第一特征提取模塊相連，用于通過攝像頭獲取用戶原始圖像；第一特征提取模塊，還與所述檢測模塊相連，用于提取所述用戶原始圖像的多通 道特征信息，并將所述用戶原始圖像的多通道特征信息發送給所述檢測模塊；檢測模塊，用于將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類 器，得到人手檢測區域信息；識別模塊，與所述檢測模塊相連，用于根據所述人手檢測區域信息識別得到最終 識別結果。較優的，還包括:檢測模塊，還用于將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類 器，得到輸出檢測區域信息，將所述輸出檢測區域信息進行匪S處理，得到人手檢測區域信肩、O較優的，所述識別模塊具體包括:識別訓練模塊，與在線識別模塊相連，用于搜集識別正負例樣本，提取每個識別正 負例樣本的LBPH特征信息與HOG特征信息，并得到它們對應的正負例標簽，利用線性降維 算法對所述每個識別正負例樣本的LBPH特征信息與HOG特征信息進行線性降維，得到降維 變換矩陣和降維后的識別正負例樣本的LBPH特征信息與HOG特征信息，根據所述降維后的 識別正負例樣本的LBPH特征信息與HOG特征信息以及它們對應的正負例標簽，經過RBFSVM 算法得到RBFSVM分類器；第二特征提取模塊，與所述檢測模塊相連，用于提取人手檢測區域信息中的LBPH特征信息和HOG特征信息；在線識別模塊，還與所述第二特征提取模塊相連接，用于將所述人手檢測區域信息中的LBPH特征信息和HOG特征信息經過所述降維變換矩陣得到降維后的準確特征信息，將所述降維后的準確特征信息通過所述RBFSVM分類器得到最終識別結果。較優的，還包括:檢測模塊，還用于對所述用戶原始圖像進行人臉檢測，將得到的人臉檢測區域信息與人手檢測區域信息進行交疊區域面積計算，當所述交疊區域面積大于預設的閾值時，將所述交疊區域面積從所述人手檢測區域信息中剔除，則得到人臉檢測后的人手檢測區域信息。較優的，還包括:檢測模塊，還用于將所述人臉檢測后的人手檢測區域信息進行顏色空間變化，提取膚色區域，將誤檢區域剔除，得到準確的人手檢測區域信息。本專利技術實施上述實施例，通過攝像頭采集用戶圖像、根據多通道特征信息和檢測級聯分類器所組成的人手檢測技術，得到精確的人手檢測區域信息，再根據該人手檢測區域信息得到最終的識別結果，因為通過多通道特征信息可以全面的描述用戶的原始圖像，再加上檢測級聯分類器一層層的篩選，所以魯棒性強。【專利附圖】【附圖說明】為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術實施本文檔來自技高網...
【技術保護點】
一種人手檢測與識別的方法，其特征在于，包括：搜集檢測正負例樣本；得到每個檢測正例樣本和每個檢測負例樣本的多通道特征信息，并得到它們對應的標記；根據所述每個檢測正例樣本和所述每個檢測負例樣本的多通道特征信息及它們對應的標記，通過級聯分類器訓練算法得到至少兩個強分類器，所述至少兩個強分類器級聯后得到檢測級聯分類器；通過攝像頭獲取用戶原始圖像，提取所述用戶原始圖像的多通道特征信息；將所述用戶原始圖像的多通道特征信息通過所述檢測級聯分類器，得到人手檢測區域信息；根據所述人手檢測區域信息識別得到最終識別結果。
【技術特征摘要】
【專利技術屬性】
技術研發人員：鄧川云，林天麟，
申請(專利權)人：智慧城市系統服務中國有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。