基于Kinect的交警手势识别方法

文档序号:9564859阅读:568来源:国知局
基于Kinect的交警手势识别方法
【技术领域】
[0001] 本发明涉及一种手势识别技术,特别涉及一种基于Kinect的交通警察手势识别 方法,属于虚拟仿真技术领域。
【背景技术】
[0002] 目前针对交警指挥手势的识别技术的研究更多的还是停留在传统的图像识别方 法阶段,根据手势采集方式的不同可以将其划分成两种,第一种便是通过在交警身上佩戴 数据衣或者数据手套等动作捕捉设备来获取手势数据的方式。由于动作捕捉设备能获得精 度很高的数据,因此采用这种方式的识别效果很好。然而,这类仪器往往价格也很昂贵,加 上这种方式需要在使用者的身上佩戴一定数量的传感器,从而造成使用者的舒适性降低, 甚至会影响动作完成的质量。第二种便是通过摄像头等机器视觉设备来获取交警指挥手势 数据的方式,然后经过图像分割、特征提取、特征识别等操作完成手势动作的识别。这种方 式可以大大减少对交通警察指挥手势的限制,自然性和便携性比更好,但是该方法也有其 缺点,例如:手势数据量大,处理方法复杂,并且识别效率、准确率不够高。

【发明内容】

[0003] 本发明的目的在于克服现有技术的上述缺陷,提供一种基于Kinect的高效交警 手势识别方法。
[0004] 本发明的目的是通过以下技术方案实现的:
[0005] -种基于Kinect的交警手势识别方法,包括以下步骤:
[0006] 步骤一、使用Kinect采集数据并对数据进行预处理得到交警手势数据;
[0007] 作为优选,所述预处理包括交警手势分割和数据归一化,具体如下:
[0008] (1)交警手势分割具体包括以下步骤:
[0009] 步骤1 :获取人体立正时两手的距离Dstanfcd,并设置距离阈值Dlinilt以及用于标记 手势开始结束状态的变量flag ;
[0010] 步骤2 :循环处理送达的数据帧,计算每帧两手的距离Cl1,如果山彡Dstandard+Dlinut, 则打38设置为廿1^并把该数据帧存入链表1^1? 5(11^#中;如果(11〈0;^-+011|^,则把打 &8 设置为false,由此获得交警手势动作数据LinkedList ;
[0011] (2)数据归一化是通过对交警手势动作数据采用下式对该动作的数据序列元素在 X、y和z方向进行归一化处理:
[0013] 其中,X% /,f为骨骼节点在数据归一化后的坐标值;X _,χ_分别为该动作中,X 坐标的最大和最小值;ymin,ymax分别为该动作中,y坐标的最大和最小值;z min,zmax分别为该 动作中,z坐标的最大和最小值;
[0014] 步骤二、对手势数据进行特征提取,得到各骨骼节点的运动轨迹T ;
[0015] 作为优选,所述骨骼节点的运动轨迹T采用下式表述:
[0017] 其中,Θ i表示骨骼节点i的运动轨迹;t表示该动作的数据帧序号;通过下式计 算:
[0019] 其中,<表示t时刻,骨骼节点i到骨骼中肩节点的向量与竖直向下的单位向量之 间的夹角;?*表示t时刻,节点i到中肩节点〇的向量;_表示竖直向下的单位向量,其值 定义为
[0020] 步骤三、根据各骨骼节点的运动轨迹通过下式计算该手势中每个骨骼节点的权重 W :
[0022] 其中,N表示骨骼节点的个数,表示在手势g中,骨骼节点i的总偏移量,
[0023] Sf通过下式计算:
[0025] 其中,T表示手势g的总帧数,COS#表示手势g中骨骼节点i在t时刻偏转角Θ 的余弦值;
[0026] 步骤四、提取预存的各标准手势中每个骨骼节点对应的运动轨迹S ;
[0027] 步骤五、通过下式采用基于DTW的轨迹比较算法分别计算待识别手势中骨骼节点 的运动轨迹T = ti, t2,…,ti,…,tm与标准手势中对应骨豁节点的运动轨迹S = s u S2,… ,Sy…sn之间的相似度DTW,表不如下:
[0029] 其中,0 = (Us)表示T与S之间的最优匹配,

表示T中第i个元 素和S中第j元素之间的距离I L-Sj I ;
[0030] 步骤六、根据步骤五得到的DTW值与步骤三得到的待识别手势中各关节点权重w 通过下式计算待识别手势与各标准手势的近似度S :
[0032] 其中,N表示骨骼节点的数目,表示骨骼节点i在手势g中的权重;δ i表示骨 骼节点i的DTW值,该值通过步骤五获得;
[0033] 步骤七、将对应于所有标准手势的δ进行比较,选出最小δ对应的标准手势作为 最终的识别结果。
[0034] 作为优选,所述Kinect采集数据的对象仅包括左手、左肘、右手、右肘4个骨骼节 点。
[0035] 作为优选,在进行步骤五所述DTW值之前,先通过下述加权偏转抽样方法缩小手 势比较范围:
[0036] (1)根据下式计算待识别手势与各标准手势的加权偏移量aw (g),并用Taw (g)和 Saw (g)分别表示待识别、标准手势的加权偏移量:
[0038] (2)将各标准手势的加权偏移量按从小到大的顺序进行排列,然后根据待识别手 势的加权偏移量与各标准手势的加权偏移量的大小关系根据以下原则确定手势比较的范 围:
[0039] V当待测手势的加权偏移量介于两个标准手势的加权偏移量之间时,即 Saw (k-1)〈Taw (g)〈Saw (k)且2彡k彡K,则待识别手势只需要和第k-Ι个和第k个标准手 势进行比较;其中K表示标准手势的数量;
[0040] V当待识别手势的加权偏移量和标准手势的加权偏移量相等时,即Taw(g)= Saw(k),则待识别手势只需要和第(k-1)、(k)、(k+1)三个标准手势进行比较;
[0041] V当待识别手势的加权偏移量大于最大的标准手势的加权偏移量时,BP Saw (k)〈Taw (g)且 k = K,如果 Taw (g) -Saw (k) < Saw (k) -Saw (k-Ι),则待识别手势只需要和 第k-Ι个和第k个标准手势进行比较;否则直接认定待识别手势为非法手势,不做进一步识 别;
[0042] V当待识别手势的加权偏移量小于最小的标准手势的加权偏移量时,BP Taw(g)〈Saw(k)且k = 1,如果 Saw(k)-Taw(g) < Saw(k+l)_Saw(k),则待识别手势只需要和 第k个和第k+Ι个标准手势进行比较;否则直接认定待识别手势为非法手势,不做进一步识 别。
[0043] 本发明的原理如下:
[0044] 整个方法流程分为数据预处理、测试轨迹生成、轨迹对比和手势识别四部分。
[0045] 一、数据预处理
[0046] 数据预处理包括基于距离截取的手势分割和数据归一化:
[0047] 手势分割
[0048] 通过对交警手势动作要领的分析可以发现所有的动作都存在一个共同的特点,即 立正姿势是动作完成的信号,左手或者右手的运动是手势动作开始的信号。基于这样的一 个特点,本发明通过测量左手与右手之间距离的变化情况来判断是否存在手势动作,以此 作为手势分割的依据。图2是停止手势和左转弯待转手势在完成的过程中所采集到的左右 手之间距离的变化曲线。
[0049] 在图2所示的变化曲线中,振幅最小也是曲线最为平缓的地方出现在整个曲线的 A、B、C三个位置,此时正好是人体的立正姿势,而在AB和BC之间
当前第1页1 2 3 4 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1