专利名称：对象识别方法和对象识别设备的制作方法
技术领域：
本发明一般地涉及图像处理与模式识别。具体而言，本发明涉及一种能够对图像中的对象进行识别的方法和设备以及其中设置了该设备的移动终端。
背景技术：
近年来，人机交互技术得到了迅猛的发展。其中非接触式人机交互的一项关键技术是基于图像或视频的自动手势识别。手部检测是手势识别系统的前端模块。对于手机、平板电脑等计算能力有限的移动设备，快速而高效的手部检测方法尤为重要。现有技术中的手 部检测方法通过一个训练好的两类分类器将待处理的图像窗口分为手或非手类。而精确的手部定位是通过一个尺度可变的滑动(扫描)窗口在整幅图像中扫描，寻找分类器输出响应最高的位置。因为在一幅图像中存在大量的候选窗口，这种逐一判断的搜索策略极大的增加了计算负担。例如，一幅320x240像素的QVGA图像包含超过100万候选窗口。对nXn的图像，候选窗口数目将以η~4的倍数增长。不同尺度的、不同位置的大量候选窗口带来的巨大计算量，对于计算能力有限的移动设备显然是难以承受的。手部检测的实时性不好，导致用户体验较差。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。本发明的目的是针对现有技术的上述问题，提出了一种能够对图像中对象进行识别的方法和设备。该方案能够快速、准确地从图像中识别具有特定的颜色分布特征和特定的轮廓特征的对象。为了实现上述目的，根据本发明的一个方面，提供了一种对象识别方法，用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，所述方法包括如下步骤:根据颜色分布特征，提取输入图像中的轮廓；根据所述轮廓的特征以及所述颜色分布特征，确定扫描窗；以及对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。根据本发明的一个具体实施例，所述对象为具有相对稳定的颜色分布范围的对象，所述提取步骤包括:对于具有颜色值(r，g，b)的像素X，计算其颜色响应值V =kl*r+k2*g+k3*b，并基于颜色响应值V提取候选对象轮廓，其中系数kl、k2、k3满足OKk
I彡 1.2，-0.4 彡 k2 彡-0.6，-0.4 彡 k3 彡-0.6。根据本发明的一个具体实施例，所述对象为具有相对稳定的颜色分布范围的对象，所述提取步骤包括:对于具有颜色值(r，g，b)的像素X，计算RGB空间中向量55在轴M上的投影，并基于投影值V提取候选对象轮廓；其中，向量品的起点为RGB空间的原点(O，O，O)，终点为像素X对应的点(r，g，b);轴5反经过点D(0，-k2/kl，-k3/kl)和点R(r，0，0)，并由0指向1 ，其中系数1^1、1^2、1^3满足0.8彡1^1彡1.2，-0.4彡k2彡-0.6，-0.4彡k3彡
_0.6 ο根据本发明的一个具体实施例，所述确定扫描窗的步骤包括:对于具有不同尺度和位置的候选扫描窗，确定其所对应的像素区域是否符合所述特定的颜色分布特征和所述特定的轮廓特征；将 其所对应的像素区域符合所述特定的颜色分布特征和所述特定的轮廓特征的候选扫描窗保留作为所确定的扫描窗。根据本发明的一个具体实施例，所述特定的轮廓特征包括:所提取的轮廓与所述扫描窗具有特定位置关系。所述特定的颜色分布特征包括:所述扫描窗内特定区域具有或者不具有特定的颜色。根据本发明的一个具体实施例，所述对象包括张开的手；所述特定位置关系包括:与所述扫描窗的中心点具有预定位置关系的点在所提取的轮廓内；所述颜色分布特征包括:所述中心点对应的像素具有肤色。根据本发明的另一个方面，提供了一种对象识别设备，用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，所述设备包括:轮廓提取装置，用于根据颜色分布特征提取输入图像中的轮廓；扫描窗确定装置，用于根据所述轮廓的特征以及所述颜色分布特征确定扫描窗；以及对象确定装置，用于对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。根据本发明的一个具体实施例，所述对象为具有相对稳定的颜色分布范围的对象，所述轮廓提取装置被配置为:对于具有颜色值(r，g，b)的像素X，计算其颜色响应值V=kl*r+k2*g+k3*b,并基于颜色响应值v提取候选对象轮廓，其中系数kl、k2、k3满足0.8彡 kl 彡 1.2，-0.4 彡 k2 彡-0.6，-0.4 彡 k3 彡-0.6。根据本发明的一个具体实施例，所述扫描窗确定装置被配置为:对于具有不同尺度和位置的候选扫描窗，确定其所对应的像素区域是否符合所述特定的颜色分布特征和所述特定的轮廓特征；将其所对应的像素区域符合所述特定的颜色分布特征和所述特定的轮廓特征的候选扫描窗保留作为所确定的扫描窗。根据本发明的再一个方面，还提供了一种移动终端，其包括根据本发明的对象识别设备。另外，根据本发明的另一方面，还提供了一种存储介质。所述存储介质包括机器可读的程序代码，当在信息处理设备上执行所述程序代码时，所述程序代码使得所述信息处理设备执行根据本发明的上述方法。此外，根据本发明的再一方面，还提供了一种程序产品。所述程序产品包括机器可执行的指令，当在信息处理设备上执行所述指令时，所述指令使得所述信息处理设备执行根据本发明的上述方法。
参照下面结合附图对本发明实施例的说明，会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中，相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。附图中:
图1示出了根据本发明的实施例的对象识别方法的各个步骤及其处理结果的示例；图2示出了采用投影法计算彩色图像的肤色响应值的示例；图3示出了确定扫描窗的准则考虑的情况的示意图；图4示出了确定扫描窗的准则考虑的情况的示意图；图5示出了手部分类器的训练流程图；图6示出了根据本发明的一个实施例的对象识别方法的详细流程图；图7示出了图6中步骤S601的详细流程图；图8示出了根据本发明的一个实施例的对象识别设备的结构方框图；以及图9示出了可用于实施根据本发明实施例的方法和设备的计算机的示意性框图。
具体实施例方式在下文中将结合附图对本发明的示范性实施例进行详细描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。另外，还需要指出的是，在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。下面将参照图6描述根据本发明的一个实施例的对象识别方法的流程。图6示出了根据本发明的一个实施例的对象识别方法的详细流程图。如图6所示，根据本发明的一个实施例的对象识别方法，用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，该方法包括如下步骤:根据颜色分布特征，提取输入图像中的轮廓(步骤S601);根据所述轮廓的特征以及所述颜色分布特征，确定扫描窗(步骤S602);以及对所确定的扫描窗对应的图像部分分类，确定其是否包含对象(步骤S603)。可选地，该方法还包括步骤:根据所述分类的结果，输出对象所在的位置(步骤S604)。本发明识别的对象应具有特定的颜色分布特征和特定的轮廓特征，也即，根据对象所具有的颜色分布特征和轮廓特征能够从图像或视频中唯一地确定该对象是否存在。例如，一名中国人的张开的手，其颜色为黄种人的肤色，该肤色具有相对稳定的颜色分布范围；张开的手本身具有特定的轮廓特征，如五个指头和指头间的虎口形成了高低不平的轮廓，且轮廓中高低不平的起伏部分位于手部区域的上方。又例如，一名白种人打出的V字手势，其颜色为白种人的肤色，该肤色具有稳定的颜色分布范围字手势具有特定的轮廓特征。本领域技术人员应能理解，本发明也适用于其它的对象，只要该对象具有可用于识别的特定的颜色分布特征和特定的轮廓特征。例如，对于握紧的拳头，其颜色为肤色，其轮廓特征为在手部区域的上方存在高低不平的起伏部分，且该起伏部分的起伏不大。又例如，人的脸部，其颜色为肤色，其轮廓特征为在脸部区域的中上方存在两个非肤色空洞(对应于双眼)，脸部区域中上方的两侧边缘各有一个突出部(对应于两个耳朵)等。再比如，工厂车间背景中，传送带上的产品通常具有固定的颜色、形状等。本领域技术人员只要针对足以用来识别该对象的颜色分布特征和轮廓特征制定相应的识别规则，即可利用本发明对该对象进行识别。正如将从下面的具体描述中可以看出的那样，本发明并不限于具体的识别对象，而是对于具有特定颜色分布特征和轮廓特征的对象，通过沿轮廓进行扫描来提高对象识别的速度。下面将参照图1、2和图7具体描述图6中的步骤S601。图1示出了根据本发明的实施例的对象识别方法的各个步骤及其处理结果的示例。图2示出了采用投影法计算彩色图像的肤色响应值的示例。图7示出了图6中步骤S601的详细流程图。首先，将输入图像转换为肤色响应图像(步骤S701)。输入图像例如是图1中的图1 (a)。在肤色响应图像中，非肤色区域内的像素的肤色响应值为0，肤色区域内的像素的肤色响应值反映了该像素属于肤色类的置信度。肤色响应值越大，该像素越可能属于肤色类。以输入图像为彩色图像为例，输入图像的每个像素X可由(r，g，b)表示。发明人经大量的实验和研究发现，在参见图 2的RGB空间中，对于黄色皮肤，肤色与非肤色像素在δ瓦轴上的区分度最大。因此，向量品在轴上的投影能够反映像素X属于黄色皮肤的肤色类的置信度。其中，像素X的像素值为(r, g, b),轴5瓦经过点D(0, -Vk1, -kg/ki)和点尺(1'，0，0)，并由0指向1 。向量5又的起点为RGB空间的原点(O，O，O)，终点为像素X对应的点(r, g, b)，其中系数 Ii1、k2、k3 满足 0.8 彡 Ii1 彡 1.2，-0.4 彡 k2 彡-0.6，-0.4 彡 k3 彡-0.6。优选地，I^1 = I, k2 = -0.5, k3 = -0.5。由于计算向量品在M轴上的投影的计算量较大，因此，可选用如下面公式I的简化算法，以提高计算速度。V = k^r+ka^g+kg^b(I)其中，V是具有(r，g，b)像素值的像素X的肤色响应值，系数Hk3满足0.8彡Ii1 ^ 1.2, -0.4 ^ k2 ^ -0.6, -0.4 ^ k3 ^ -0.6。优选地，Ii1 = I, k2 = -0.5, k3 = -0.5。发明人通过研究发现，还需对根据公式I计算的肤色响应值(或向量55在M轴上的投影值)进行后处理，以去除偏向红色段的值和负值(过于远离红色段)，使得肤色响应值能够更准确地反映像素X属于黄色皮肤的肤色类的置信度。后处理由下述公式2表示。
O V <= OS =卜 0<ν<Τ
O ν>=Τ(2)其中，V为根据公式I计算的肤色响应值或向量品在M轴上的投影值。s为经后处理得到的肤色响应值。其中，阈值T可通过收集大量肤色训练样本做统计分析得到。
应注意，对于其它肤色的情形，可通过收集大量该肤色的训练样本做统计分析，从而得到对于该肤色而言，肤色与非肤色像素的区分度最大的轴(即通过统计分析得出系数k1、k2、k3)以及阈值τ’。通过计算向量在该轴上的投影，并类似地进行后处理(使用阈值τ’)，可计算像素X针对该肤色的肤色响应值。同样，可通过调整公式I中的r、g、b的系数(k1、k2、k3)，得到对于其它肤色的投影值计算的简化计算公式I’。应注意，以上给出的肤色响应计算方法是根据发明人的研究，提出的优选计算方法及其简化算法。本技术领域内其它的肤色响应值计算方法均可在此使用，只要所计算的肤色响应值能够反映像素X属于某肤色类的置信度。例如，对于灰色图像，可将属于某一灰度值范围的像素判断为肤色像素。对于彩色图像，可将像素(r，g，b)的三个颜色空间的像素值r、g、b分别属于特定区间的像素判断为肤色像素。经过步骤S701，得到了由肤色响应值构成的、输入图像对应的肤色响应图像，例如图1中的图1(b)。接下来，在步骤S702，将肤色响应图像二值化。二值化可采用图像处理领域中任何二值化算法，例如全局二值化算法Otsu。经步骤S702的处理后，可得到肤色模板，例如图1中的图1(c)。例如，肤色模板中值为I的像素对应的图像像素是肤色像素，肤色模板中值为O的像素对应的图像像素不是肤色像素。接下来，在步骤S703，去除步骤S702中得到的二值图像中面积较小的噪声肤色块，并填充肤色块中的空洞。在步骤S703中，可使用本领域内已知的去噪和填洞的方法。经步骤S703的处理，可得到处理后的肤色模板。例如图1中的图1 (d)。至此，经步骤S701-S703的处理，得到了输入图像对应的肤色响应图像和处理后的肤色模板。接下来，在步骤S704中，基于步骤S703中得到的处理后的肤色模板，提取肤色区域轮廓。由于在处理后的肤色模板中，已形成较大的连通域，因此，可使用本技术领域中的任何提取方法，提取连通域的轮廓作为肤色区域轮廓。应注意，肤色区域轮廓包括连通域边缘附近的多个像素，即形成为封闭的像素条带，并非是一条封闭的像素线。这是为了在后续的步骤中，对于某一坐标处的像素是否在轮廓内进行判断时，轮廓具有一定的变化阈值范围，即连通域边缘上以及边缘附近的像素都被认为是轮廓的一部分。经过步骤S704，可得到肤色区域的轮廓。例如图1中的图1 (e)所示。至此，经过步骤S701-S704提取到了输入图像中的轮廓。应注意，虽然通过上述步骤S701-S704的介绍，描述了步骤S601的具体实现方式，但是上述给出的步骤仅是作为示例的、优选的步骤。本领域技术人员也可使用本技术领域内的其它方法来提取输入图像中的轮廓。例如，可对输入图像进行边缘检测，将检测到的边缘连成轮廓。下面将参照图1、3和图4具体描述图6中的步骤S602。
图3示出了确定扫描窗的准则考虑的情况的示意图。图4示出了确定扫描窗的准则考虑的情况的示意图。如上所述，在现有技术中，往往穷举各种尺度、各个位置的扫描窗。然后采用这些扫描窗进行扫描。由于不加选择地使用扫描窗对图像进行扫描，因此造成了巨大的计算量。本发明人意识到可通过对候选扫描窗进行选择，有效地降低计算量。因此，在步骤S602中，根据所述轮廓的特征以及所述颜色分布特征，确定扫描窗。以下，仍以中国人的张开的手为例进行说明。然而，本领域技术人员应能理解，只要要识别的对象具有特定的颜色分布特征和特定的轮廓特征，两者足以识别出对象，即可使用该颜色分布特征和轮廓特征来确定扫描窗。对于张开的手，可利用如下规则I或规则2确定扫描窗。规则1:对每一个尺度为WXh像素的候选扫描窗，判断位于该候选扫描窗的中心点C上方、与中心点C相距必=的像素点P1，和位于中心点C上方、与中心点C相距4 =\h的像素点P2是否在步骤S602中提取的轮廓内。w、h的最小值例如是24，最大值例如是输入图像的宽和高的像素数。如果像素点P1和P2中的至少一个在轮廓内，则保留该候选扫描窗，作为确定的扫描窗。否则,忽略该候选扫描窗。如图3所示，设置Cl1的目的是检测手指合拢的情况，而设置d2的目的是检测手指分开的情况。也即，由于张开的手具有图3中所示的特定的轮廓特征，因此可指定表征该特征的准则，并依据该准则进行检测。应注意:虽然为了识别手指合拢和手指分开两种情况下的手而给出了像素点PpP2O但并不必须同时检测像素点P1和P2。只检测像素点P1和P2之一时，只检测例如手指合拢的手，也能检测到张开的手，只是检测到张开的手的检出率有所降低而已。通过规则1，能够排除其对应的像素区域不包括轮廓的扫描窗、其对应的像素区域中包括的轮廓不具有与张开的手相同的轮廓特征的扫描窗等。由于存在如图4中所示的情形，因此，为了进一步减少不必要的扫描窗，提出了作为规则I的改进的规则2:对每一个尺度为wXh像素的候选扫描窗，判断位于该候选扫描窗的中心点C上方、与中心点C相距名=f/2的像素点P1，和位于中心点C上方、与中心点C相距4 = M的像素点P2是否在步骤S602中提取的轮廓内，并且判断中心点C是否是肤色像素。如果像素点P1和P2中的至少一个在轮廓内，并且中心点C是肤色像素，则保留该候选扫描窗，作为确定的扫描窗。否则，忽略该候选扫描窗。根据如上所述处理后的肤色模板，判断中心点C是否是肤色像素。例如，处理后的肤色模板中值为I的像素对应的图像像素是肤色像素。要求窗口中心点C必须落在肤色连通区域内，可以进一步快速略过部分非手区域，排除具有部分符合被检测对象的轮廓特征但不符合被检测对象的颜色分布特征的像素区域对应的扫描窗。S卩，对于具有不同尺度和位置的候选扫描窗，确定其所对应的像素区域是否符合要识别的对象所具有的特定颜色分布特征和特定轮廓特征，将其所对应的像素区域符合所述特定颜色分布特征和所述特定轮廓特征的候选扫描窗保留作为所确定的扫描窗。
所述轮廓特征包括:所提取的轮廓与所述扫描窗具有特定位置关系。所述颜色分布特征包括:所述扫描窗内特定区域具有或者不具有特定的颜色。由于通过轮廓特征和颜色特征对候选扫描窗进行了筛选，因此，所确定的扫描窗均沿着要识别的对象(如中国人的张开的手)的轮廓分布。从而，能够沿着轮廓搜索对象，在不牺牲识别结果的质量的情况下，大大地减少了计算量。如上所述，只要对象具有足以用来识别出该对象的颜色分布特征和轮廓特征，就可以设计相应的规则，对其进行识别。例如，对于握紧的拳头，其颜色为肤色，其轮廓特征与张开的双手中手指分开的情形类似，只要通过统计，取适当的d2的值，即可针对像素点P2 (对尺度为wXh像素的候选扫描窗,位于候选扫描窗的中心点C上方、与中心点C相距d2的像素点)对于人的脸部、工厂车间中传送带上的产品或半成品、交通摄像头、交通信号灯、汽车牌照等其它对象，可以根据其相对稳定的颜色分布范围和轮廓特征，设计相应的规则，以对其进行识别。下面将参照图5具体描述图6中的步骤S603。图5示出了手部分类器的训练流程图。在步骤S603中，对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。可通过使用训练好的分类器实现步骤S603。分类器的输入是扫描窗对应的像素区域，该像素区域可以是原始的输入图像，也可以是如图1中图1(b )例示的肤色响应图像。只要分类器被训练时与训练好的分类器在使用时所接收的输入是同一类型图像即可。由于肤色响应图像反映了要识别的对象的颜色分布特征，因此，采用肤色响应图像作为输入时，分类器的分类结果更为准确。分类器的输出包括扫描窗对应的像素区域内包含对象(如中国人张开的手)的置信度。分类器的训练是事先离线进行的，可以包括如下步骤:首先，收集大量训练图像，并将其分类并标记为正样本和负样本。在对象为中国人的张开的手的情况下，正样本是包含中国人的张开的手的各种样本，负样本是不含中国人的张开的手的任意背景图像。接着，优选地，将彩色训练图像转换为肤色响应图像。然后，用任何已知的训练算法构造分类器。分类器的训练算法例如包括Adaboost、SVM 等。Adaboost 可由如下文献获得:Viola, P.(2002).Robust real-time object
detection.1JCV0 SVM 可由如下文献获得:P.H.Chen, C.J.Lin, and B.Scholkopf
A tutorial on v-support vector machines, App1.Stoch.Models.Bus.1nd.2005,21,111-136。训练好的分类器可用于步骤S603中，以对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。在步骤S603中对扫描窗对应的图像部分分类后，在步骤S604，根据所述分类的结果，输出对象所在的位置。可将分类器输出响应最高的扫描窗作为对象所在的区域，也可将被分类为确定包含对象的扫描窗对应的像素区域合并作为对象所在的区域。
图8示出了根据本发明的一个实施例的对象识别设备的结构方框图。如图8所示，根据该实施例的对象识别设备800用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，该对象识别设备800包括:轮廓提取装置801，用于根据颜色分布特征提取输入图像中的轮廓；扫描窗确定装置802，用于根据所述轮廓的特征以及所述颜色分布特征确定扫描窗；以及对象确定装置803，用于对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。可选地，该对象识别设备800还包括对象位置输出装置804，用于根据所述分类的结果输出对象所在的位置。所述轮廓提取装置801被配置为:对于具有颜色值(r，g，b)的像素X，计算其颜色响应值V = k1*r+k2*g+k3*b,并基于颜色响应值v提取候选对象轮廓,其中系数H k3满足 0.8 彡 k!彡 1.2，-0.4 彡 k2 彡-0.6，-0.4 彡 k3 彡-0.6。或者，所述轮廓提取装置801被配置为:对于具有颜色值(r，g，b)的像素X，计算RGB空间中向量在轴M上的投影，并基于投影值V提取候选对象轮廓；其中，向量55的起点为RGB空间的原点(0，0，O)，终点为像素X对应的点(r，g，b);轴应经过点D (0，_k2/kl，-k3/kl)和点 R(r，0，0)，并由 D指向 R，其中系数 kl、k2、k3 满足 0.8 彡 kl ( 1.2,-0.k2 ( -0.6，-0.4 彡 k3 彡-0.6。所述轮廓提取装置801被进一步配置为根据下述公式对投影值或颜色响应值V进行后处理
权利要求
1.一种对象识别方法，用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，所述方法包括如下步骤: 根据颜色分布特征，提取输入图像中的轮廓； 根据所述轮廓特征以及所述颜色分布特征，利用所提取的轮廓来确定扫描窗；以及 对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。
2.如权利要求1所述的方法，其中，所述对象为具有相对稳定的颜色分布范围的对象，所述提取步骤包括:对于具有颜色值(r，g，b)的像素X，计算其颜色响应值V =k1*r+k2*g+k3*b,并基于颜色响应值v提取候选对象轮廓,其中系数Hk3满足0.8彡Ii1彡1.2，-0.4 ≤ k2 ≤-0.6，-0.4 ≤ k3 ≤-0.6。
3.如权利要求1所述的方法，其中，所述对象为具有相对稳定的颜色分布范围的对象，所述提取步骤包括:对于具有颜色值Cr, g,b)的像素X,计算RGB空间中向量品在轴上的投影，并基于投影值V提取候选对象轮廓； 其中，向量δ艾的起点为RGB空间的原点(O，O，O)，终点为像素X对应的点(r，g，b);轴M经过点D (O,-Vk1^k3A1)和点R(r，O，O)，并由D指向R，其中系数Hk3满足0.8彡Ii1 ( 1.2，-0.4 ≤ k2 ≤-0.6，-0.4 ≤ k3 ≤-0.6。
4.如权利要求1所述的方法，其中，所述确定扫描窗的步骤包括: 对于具有不同尺度和位置的候选扫描窗，确定其所对应的像素区域是否符合所述特定的颜色分布特征和所述特定的轮廓特征； 将其所对应的像素区域符合所述特定的颜色分布特征和所述特定的轮廓特征的候选扫描窗保留作为所确定的扫描窗。
5.如权利要求4所述的方法，其中， 所述特定的轮廓特征包括:所提取的轮廓与所述扫描窗具有特定位置关系。
所述特定的颜色分布特征包括:所述扫描窗内特定区域具有或者不具有特定的颜色。
6.如权利要求5所述的方法，其中， 所述对象包括张开的手； 所述特定位置关系包括:与所述扫描窗的中心点具有预定位置关系的点在所提取的轮廓内； 所述颜色分布特征包括:所述中心点对应的像素具有肤色。
7.一种对象识别设备，用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，所述设备包括: 轮廓提取装置，用于根据颜色分布特征提取输入图像中的轮廓； 扫描窗确定装置，用于根据所述轮廓特征以及所述颜色分布特征利用所提取的轮廓来确定扫描窗；以及 对象确定装置，用于对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。
8.如权利要求7所述的设备，其中，所述对象为具有相对稳定的颜色分布范围的对象，所述轮廓提取装置被配置为:对于具有颜色值(r，g，b)的像素X，计算其颜色响应值V =k1*r+k2*g+k3*b,并基于颜色响应值v提取候选对象轮廓,其中系数Hk3满足0.8彡Ii1彡1.2，-0.4 彡 k2 彡-0.6，-0.4 彡 k3 彡-0.6。
9.如权利要求7所述的设备，其中，所述扫描窗确定装置被配置为:对于具有不同尺度和位置的候选扫描窗，确定其所对应的像素区域是否符合所述特定的颜色分布特征和所述特定的轮廓特征； 将其所对应的像素区域符合所述特定的颜色分布特征和所述特定的轮廓特征的候选扫描窗保留作为所确定的扫描窗。
10.一种移动终端，包 括如权利要求7-9中任一项所述的对象识别设备。
全文摘要
本发明公开了一种对象识别方法和对象识别设备。根据本发明的对象识别方法用于识别具有特定的颜色分布特征和特定的轮廓特征的对象，所述方法包括如下步骤根据颜色分布特征，提取输入图像中的轮廓；根据所述轮廓的特征以及所述颜色分布特征，确定扫描窗；以及对所确定的扫描窗对应的图像部分分类，确定其是否包含对象。
文档编号G06K9/62GK103208005SQ20121001134
公开日2013年7月17日 申请日期2012年1月13日 优先权日2012年1月13日
发明者范伟, 皆川明洋, 孙俊, 堀田悦伸, 直井聪 申请人:富士通株式会社