考深度图像。
[0023]如图1，所示，本【具体实施方式】的具体操作流程如下:
图像采集设备101采集包含人手的图像；
现有的主流移动终端所配备的图像采集设备，普遍具有近距离对焦功能，可以得到较为清晰的图像。
[0024]在步骤102中，对采集的图像进行目标分割，得到包含人手的感兴趣区域范围。该步骤首先将所采集的图像转换到HSV空间，HSV空间采用将亮度和色调分离的存储方式，受外界光照影响较小。同时，转换到HSV空间后，人体肤色的范围更为集中，可以基于肤色与连通性进行目标分割。
[0025]在步骤103中，对分割的结果进行去噪声操作。去掉过小的噪声区域。
[0026]在步骤104中，对人手所在区域像素进行分类，划分出人手的各个关键部位。所述分类器采用随机决策树方式，由预先标注的人手图像150通过步骤151进行离线训练。
[0027]如分类结果中存在缺失部位，在步骤111中，读取之前存储的一段时间内的图像，判断是否存在对应部位。在步骤112中，通过轨迹拟合，初步预测缺失部位的位置。
[0028]在步骤105中，基于人手的生理约束，对人手指部位进行修正。
[0029]在步骤106中，将人手指部位的信息，与应用程序预先定义的手势161进行比较，识别手势；
在步骤107中，执行对应控制命令。
[0030]附图2示出本【具体实施方式】的另一实施例，该移动终端的非接触式交互方法还可以包括两个图像采集设备与深度恢复模块。
[0031 ] 第一图像采集设备201与第二图像采集设备202的光学参数相同，在驱动装置200作用下，同步采集包含人手的图像；
在步骤203中，对采集的图像进行目标分割，得到包含人手的感兴趣区域，与图1的步骤102原理相同；
在步骤204中，对分割的结果进行去噪声操作。去掉过小的噪声区域。
[0032]在步骤205中，在两幅图像的感兴趣区域内查找匹配特征点，并进行深度信息恢复，得到图像匹配结果与参考深度图像；
在步骤206中，同时使用彩色图像与深度图像，对人手所在区域像素进行分类，划分出人手各个关键部位。所述分类器采用随机决策树方式，由预先标注的人手图像250通过步骤251进行离线训练。
[0033]图2中的其它为提及步骤与图1的对应步骤相同。
[0034]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种基于移动终端的非接触式交互方法，其特征在于它的交互方法包括以下步骤: (一)、利用移动终端自带的第一图像采集设备，采集包含人手的图像； (二)、对采集的图像进行分析，划分人手所在的感兴趣区域； (三)、对人手所在区域进行进一步分类，划分出人手关键部位； (四)、利用人手生理约束，对划分的部位进行补充与修正； (五)、建立人手各个部分的运动轨迹，将运动轨迹与应用领域所设置的手势进行对比，进行交互模式判别，并发出对应控制命令。
2.根据权利要求1所述的一种基于移动终端的非接触式交互方法，其特征在于所述的一种基于移动终端的非接触式交互方法还可包括:第二图像采集设备与第一图像采集设备参数相同，并列放置，同步采集包含人手的图像；对采集的图像进行匹配与深度恢复，得到参考深度图像。
3.根据权利要求1所述的一种基于移动终端的非接触式交互方法，其特征在于所述的划分人手所在的感兴趣区域包括: (i )、将采集的图像转换到HSV彩色空间； (? )、利用人肤色特征，初步划分人手区域； (iii)、对划分结果进行去噪，去除小区域噪声影响。
4.根据权利要求1所述的一种基于移动终端的非接触式交互方法，其特征在于所述的划分人体部位包括以下步骤: (I )、预先收集人工标注的人手彩色图像，并进行位置预校正； (II )、对人手各个部位的每个像素，提取8个方向的梯度值以及不同步长下的差分值，作为候选特征； (III)、使用随机决策树分类器模型、交叉验证法以及ID4.5训练算法，离线训练人手关键部位的分类器； (IV )、在移动终端应用该分类器，对人手关键部位进行分类。
5.根据权利要求1所述的一种基于移动终端的非接触式交互方法，其特征在于所述的对划分部位进行补充与修正包括以下步骤: ①、在分类步骤的结果中，标出像素过少以及缺失的部位； ②、在前面一定时间内的图像中，查找对应部位位置； ③、如果查找到足够的位置信息，使用轨迹拟合，得到本帧初步预测的缺失部位信息； ④、根据人手指指节刚体约束，除拇指外四指的共面约束，手指关节的弯曲角度约束，优先级从高到低，对上一步预测的部位信息做修正；如没有足够的预测信息，根据这些约束推断缺失部位的位置。
6.根据权利要求2所述的一种基于移动终端的非接触式交互方法，其特征在于所述的划分人体部位包括以下步骤: (1)、预先收集人工标注的人手的彩色图像与深度图像组合，并进行位置预校正； (2)、对人手各个部位的每个像素，在图像组中分别提取8个方向的梯度值以及不同步长下的差分值，作为候选特征； (3)、使用随机决策树分类器模型、交叉验证法以及ID4.5训练算法，离线训练人手关键部位的分类器；(4)、在移动终端应用该分类器，对人手关键部位进行分类。
【专利摘要】一种基于移动终端的非接触式交互方法，它涉及人机交互技术领域，它的交互方法包括以下步骤：(一)、利用移动终端自带的第一图像采集设备，采集包含人手的图像；(二)、对采集的图像进行分析，划分人手所在的感兴趣区域；(三)、对人手所在区域进行进一步分类，划分出人手关键部位；(四)、利用人手生理约束，对划分的部位进行补充与修正；(五)、建立人手各个部分的运动轨迹，将运动轨迹与应用领域所设置的手势进行对比，进行交互模式判别，并发出对应控制命令；它通过对人手的图像采集实现交互功能，并且实现对手势运动的跟踪，具有不局限于移动终端屏幕、灵活性强、支持多种手势的特点。
【IPC分类】G06F3-01, G06K9-00
【公开号】CN104866112
【申请号】CN201510319515
【发明人】李刚, 韩明鸣, 洪勇勇
【申请人】安徽朗坤物联网有限公司
【公开日】2015年8月26日
【申请日】2015年6月12日