征提取、识别技术也会有差别，手势建模主要分为基于表观的手势模型与基于三维的手势模型，基于表观的手势建模是一种二维建模，从二维平面观察得到的平面图像信息描述于的特征，基于表观的手势模型主要包括基于颜色的模型与基于轮廓的模型两种，基于颜色的手势模型是把手势图像看作像素颜色的集合，通过提取手部的颜色的特征来描述手势，基于颜色的手势模型的常用特征是颜色直方图，基于轮廓的手势模型是把手看作一个轮廓，通过提取手部图像中手的轮廓的几何特征来描述手势；
[0015](2)手势检测与跟踪是手势识别处理流程中最前端的处理部分，它处理从摄像头获取到手势图像或序列，从中检测和分割手势对象，如果是动态手势识别，还要对手进行跟踪，基于运动信息的方法是假设在视频中只有手是运动物体，其中一种方法是背景减法，它要求背景静止不变，把视频中的每帧与背景相减，背景相同的部分变为零，不同的部分就认为是运动的物体，即手，另一种方法是差帧法，通过当前帧与前一帧或前若干帧相减，检测出两帧之间的差异来确定手部运动的起始区域，但是一般相邻帧之间的手势运动幅度不大，差帧法只能检测出运动的轮廓，要以比较低的帧采样率或者隔若干帧做减法才能正确检测与分割运动的手部；
[0016](3)手势特征的提取是与手势模型密切相关的，不同的手势模型会有不同有于势特征，静态手势识别和动态于势识别的特征也不同，静态手势的特征只是描述的手的静态信息，轮廓、面积，动态手势特征是连续的静态特征序列；静态手势识别的方法有很多，于规则的方法、模板匹配的方法、基于机器学习的方法，动态手势是具有时间和空间变化，手势特征量化编码之后成为时间上的符号序列；
[0017](4)基于采样的肤色模型参数初始化方法，通过对采集于部图像样本，自动初始化手部肤色模型、手部面积和脸部面积参数，在手势跟踪描述了基于质心估计手脸遮挡下的手势跟踪方法，在手势特征提取部分，使用基于轮廓的手指特征提取方法，并且提取运动向量作为动态手势特征，最后是手势识别部分，静态手势识别采用了基于正交摄像头协作的手势识别策略，动态手势识别则使用一种结合两套独立的隐马尔可夫模型的方法；
[0018](5)输入是两个摄像头的手势视频，输出是识别出的手势位置和手势命令，其中的手势位置是用于转化为系统光标位置，手势动作映射为应用软件的键盘快捷键，通过把手势输入转化为系统的标准设备的输入，系统使用两个普通的摄像头，摄像头的视频质量越好噪声越少，处理就会变得越精确，系统使用了两个摄像头，其中一个安装在前方屏幕上方，从前方观察手势动作，另一个安装在底部，从下方观察手势动作，底部摄像头可以根据具体环境条件，选择安装在顶部，用户站立在屏幕前方，正对前置摄像头与底置摄像头，与前置摄像头距离大约0.2米，底部摄像头位置调整为用户的手伸出时的位置的下方。
[0019]该系统能够自动对车内人员的手势命令进行识别，方便对其进行操作，减少了驾驶人员双手离开方向盘的时间，更加安全和可靠，能够根据驾驶员手指动作的得到相应的指令，方便操作，不影响驾驶的安全性。
[0020]以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术、方法实质上对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
【主权项】
1.车载智能手势识别系统，其特征在于，包括以下步骤: (1)在手势识别框架中，手势模型是一个最基本的部分，根据不同的应用背景，于势识别采用的模型会有不同，而对于不同的手势模型，采用的手势检测与跟踪算法、特征提取、识别技术也会有差别，手势建模主要分为基于表观的手势模型与基于三维的手势模型，基于表观的手势建模是一种二维建模，从二维平面观察得到的平面图像信息描述于的特征，基于表观的手势模型主要包括基于颜色的模型与基于轮廓的模型两种，基于颜色的手势模型是把手势图像看作像素颜色的集合，通过提取手部的颜色的特征来描述手势，基于颜色的手势模型的常用特征是颜色直方图，基于轮廓的手势模型是把手看作一个轮廓，通过提取手部图像中手的轮廓的几何特征来描述手势； (2)手势检测与跟踪是手势识别处理流程中最前端的处理部分，它处理从摄像头获取到手势图像或序列，从中检测和分割手势对象，如果是动态手势识别，还要对手进行跟踪，基于运动信息的方法是假设在视频中只有手是运动物体，其中一种方法是背景减法，它要求背景静止不变，把视频中的每帧与背景相减，背景相同的部分变为零，不同的部分就认为是运动的物体，即手，另一种方法是差帧法，通过当前帧与前一帧或前若干帧相减，检测出两帧之间的差异来确定手部运动的起始区域，但是一般相邻帧之间的手势运动幅度不大，差帧法只能检测出运动的轮廓，要以比较低的帧采样率或者隔若干帧做减法才能正确检测与分割运动的手部； (3)手势特征的提取是与手势模型密切相关的，不同的手势模型会有不同有于势特征，静态手势识别和动态于势识别的特征也不同，静态手势的特征只是描述的手的静态信息，轮廓、面积，动态手势特征是连续的静态特征序列；静态手势识别的方法有很多，于规则的方法、模板匹配的方法、基于机器学习的方法，动态手势是具有时间和空间变化，手势特征量化编码之后成为时间上的符号序列； (4)基于采样的肤色模型参数初始化方法，通过对采集于部图像样本，自动初始化手部肤色模型、手部面积和脸部面积参数，在手势跟踪描述了基于质心估计手脸遮挡下的手势跟踪方法，在手势特征提取部分，使用基于轮廓的手指特征提取方法，并且提取运动向量作为动态手势特征，最后是手势识别部分，静态手势识别采用了基于正交摄像头协作的手势识别策略，动态手势识别则使用一种结合两套独立的隐马尔可夫模型的方法； (5)输入是两个摄像头的手势视频，输出是识别出的手势位置和手势命令，其中的手势位置是用于转化为系统光标位置，手势动作映射为应用软件的键盘快捷键，通过把手势输入转化为系统的标准设备的输入，系统使用两个普通的摄像头，摄像头的视频质量越好噪声越少，处理就会变得越精确，系统使用了两个摄像头，其中一个安装在前方屏幕上方，从前方观察手势动作，另一个安装在底部，从下方观察手势动作，底部摄像头可以根据具体环境条件，选择安装在顶部，用户站立在屏幕前方，正对前置摄像头与底置摄像头，与前置摄像头距离0.2米，底部摄像头位置调整为用户的手伸出时的位置的下方。
【专利摘要】本发明公开了一种车载智能手势识别系统，根据不同的应用背景，于势识别采用的模型会有不同，手势检测与跟踪是手势识别处理流程中最前端的处理部分，它处理从摄像头获取到手势图像或序列，从中检测和分割手势对象，不同的手势模型会有不同有于势特征，静态手势识别和动态于势识别的特征也不同，该系统能够自动对车内人员的手势命令进行识别，方便对其进行操作，减少了驾驶人员双手离开方向盘的时间，更加安全和可靠，能够根据驾驶员手指动作的得到相应的指令，方便操作，不影响驾驶的安全性。
【IPC分类】G06F3/01
【公开号】CN105334960
【申请号】CN201510696796
【发明人】代膨岭
【申请人】四川膨旭科技有限公司
【公开日】2016年2月17日
【申请日】2015年10月22日