一種快速魯棒的動(dòng)態(tài)人手跟蹤方法

呂金剛 ，吳 斌 ，劉 恒 ，周翔宇 ，邵延華

（1.西南科技大學(xué) 信息工程學(xué)院，四川 綿陽(yáng) 621010；2.重慶大學(xué) 光電工程學(xué)院 光電技術(shù)及系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400030）

隨著計(jì)算機(jī)性能的不斷提高和機(jī)器視覺領(lǐng)域研究的不斷深入，人機(jī)交互技術(shù)日益成為機(jī)器視覺領(lǐng)域的研究熱點(diǎn)?；跈C(jī)器視覺的手勢(shì)識(shí)別作為其重要的研究?jī)?nèi)容之一，在許多領(lǐng)域有著重要的應(yīng)用。最近幾年，尤其在智能家居以及3D體感游戲領(lǐng)域，手勢(shì)識(shí)別得到了廣泛的應(yīng)用，因此受到越來越廣泛的關(guān)注。

根據(jù)識(shí)別特征的不同，手勢(shì)識(shí)別分為基于標(biāo)記的手勢(shì)識(shí)別和基于裸手的手勢(shì)識(shí)別系統(tǒng)，而裸手手勢(shì)識(shí)別又分為靜態(tài)手勢(shì)識(shí)別和動(dòng)態(tài)手勢(shì)識(shí)別[1]。目前，基于裸手的動(dòng)態(tài)手勢(shì)識(shí)別是手勢(shì)識(shí)別中最重要的領(lǐng)域[2]，相對(duì)于靜態(tài)手勢(shì)識(shí)別而言，動(dòng)態(tài)手勢(shì)識(shí)別有著更靈活、更廣泛的應(yīng)用。但是人手是一個(gè)多關(guān)節(jié)非剛性物體，在運(yùn)動(dòng)過程中會(huì)呈現(xiàn)出多種多樣的手勢(shì)形態(tài)，在跟蹤過程中還會(huì)伴有手勢(shì)遮擋和膚色干擾等情況。所以，如何對(duì)人手進(jìn)行有效的視覺檢測(cè)與跟蹤是實(shí)現(xiàn)動(dòng)態(tài)手勢(shì)識(shí)別和理解的關(guān)鍵，也是機(jī)器視覺機(jī)和人機(jī)交互領(lǐng)域中一個(gè)富有挑戰(zhàn)的重要課題。

1 相關(guān)工作

按照運(yùn)動(dòng)目標(biāo)跟蹤策略的不同，對(duì)于動(dòng)態(tài)人手跟蹤可以分為基于模型和基于表象兩種方法。

基于表象的方法又叫非模型跟蹤方法，它可細(xì)分為基于區(qū)域的跟蹤、基于活動(dòng)輪廓[3]以及基于其他圖像特征的跟蹤方法[4]。該方法的優(yōu)點(diǎn)是實(shí)時(shí)性較好，但由于所跟蹤特征很容易受遮擋或光線條件變化等外界因素的干擾，難以保證魯棒性?；谀Ｐ偷姆椒ㄒ獙?duì)跟蹤目標(biāo)建立特征模型，通過比較觀測(cè)和預(yù)測(cè)數(shù)據(jù)來修正模型中的參數(shù)。該類方法性能的實(shí)現(xiàn)依賴于初始化過程，如果初始化合理，即可達(dá)到精確的估計(jì)。同時(shí)該類方法還面臨著高維空間中搜索的難題，如采用粒子濾波器跟蹤人手運(yùn)動(dòng)，當(dāng)狀態(tài)空間維數(shù)過高時(shí)，需要大量的粒子來估計(jì)高維空間中的概率分布。因此這種方法計(jì)算復(fù)雜度高、計(jì)算量較大，很難保證實(shí)時(shí)性。

針對(duì)以上問題，提出了一種快速魯棒的人手檢測(cè)與跟蹤算法，在背景相對(duì)復(fù)雜、存在類膚色干擾的情況下，該方法也能夠有效地對(duì)動(dòng)態(tài)人手進(jìn)行實(shí)時(shí)跟蹤。具體框圖如圖1所示。

圖1 快速魯棒的人手檢測(cè)與跟蹤方法框圖

2 基于貝葉斯膚色模型的人手粗檢測(cè)

色彩信息是物體重要的特征信息。利用膚色信息可以快速確定人手所在的候選區(qū)域，以縮小檢測(cè)范圍。HSV色彩空間是從RGB空間轉(zhuǎn)化而來的，比較接近人類的色彩感知習(xí)慣，適合建立膚色模型[5]，采用HSV空間二維彩色直方圖，可以去除部分光照的影響，適合對(duì)顏色特征穩(wěn)定的跟蹤。

基于直方圖的貝葉斯判決方法SPM （Skin Probability Map）是目前廣泛采用的一種膚色檢測(cè)方法，它利用貝葉斯準(zhǔn)則將膚色直方圖和非膚色直方圖歸一化，以概率來判斷像素是否屬于膚色像素，如式（1）所示。

其中，P（x|skin）和 P（x|nonskin）分別表示顏色值為 x 的像素屬于膚色和非膚色像素的先驗(yàn)概率，Pskin和Pnonskin分別表示膚色區(qū)域與非膚色區(qū)域的概率。當(dāng)后驗(yàn)概率大于某固定閾值時(shí)，則該像素為膚色像素。該方法的缺點(diǎn)在于，采用閾值固定分割不能很好地適應(yīng)所有圖像內(nèi)容。

張明吉等人[6]在SPM的基礎(chǔ)上對(duì)膚色概率分布直方圖 SPDH（Skin Probability Distribution Histogram）進(jìn)行了改進(jìn)，用膚色概率的分布概率作為SPDH的橫坐標(biāo)，橫坐標(biāo)右面的值就是要找的閾值點(diǎn)，如式（2）所示。

SPDH的縱坐標(biāo)表示具有相同歸一化膚色概率的像素?cái)?shù)，如式（3）所示。

其中，σ是為了避免膚色和非膚色區(qū)域的重疊，它是所有這些像素的顏色均方差。

洪紅等人[7]提出了一種色度SPDH的算法，并提出了式（2）的改進(jìn)公式，如式（4）所示。

由式（4）可知，后驗(yàn)概率較大的點(diǎn)有可能是最佳閾值點(diǎn)。因此，可以設(shè)計(jì)一個(gè)貝葉斯分類器，輸入每個(gè)候選閾值點(diǎn)，輸出值表示候選點(diǎn)是否為最優(yōu)閾值點(diǎn)。本文根據(jù)SPDH的4條線索[6]，提出最優(yōu)閾值貝葉斯分類器：

其中，P（x|thr）和 P（x|nonthr）分別表示候補(bǔ)閾值 x 是閾值和不是閾值的先驗(yàn)概率，Pthr和P(nonthr)分別表示閾值概率和非閾值概率，P（optimal|x）表示候補(bǔ)閾值x為最優(yōu)閾值的后驗(yàn)概率。

最后，可以得到經(jīng)過膚色分割的二值化圖像，部分結(jié)果如圖 2 所示，其中圖 2（a）、圖 2（b）、圖 2（c）為原圖像，圖 2（d）、圖 2（e）、圖 2（f）為對(duì)應(yīng)的二值化圖像。

圖2 基于貝葉斯膚色閾值分割的部分圖片

3 PGH人手精確定位

根據(jù)膚色分割結(jié)果，將視頻圖片進(jìn)行二值化處理，膚色區(qū)域?yàn)榘c(diǎn)（255），非膚色區(qū)域?yàn)楹邳c(diǎn)（0），縮小了檢測(cè)范圍。由于人體其他膚色部分以及復(fù)雜背景下類膚色的影響，以上方法所分割到的膚色區(qū)域可能包含人手以外的膚色部分，因此，需要去除這些“混淆”區(qū)域，以便精確地提取出人手區(qū)域。

3.1 人手輪廓特征描述

輪廓是點(diǎn)的序列，可以用來表示圖像中間的曲線[8]。二值圖像輪廓可用于提取圖像中的目標(biāo)區(qū)域，以便對(duì)目標(biāo)區(qū)域作進(jìn)一步處理，如區(qū)域填充、計(jì)算輪廓長(zhǎng)度及面積、特征提取和輪廓匹配等。輪廓可以采用鏈碼和線段表兩種不同方法來描述。在鏈碼中，多邊形被表示為一些列的位移，每一個(gè)位移都有8個(gè)方向，這8個(gè)方向使用整數(shù) 0～7來描述，如圖 3（a）所示。則圖 3（b）中人手輪廓對(duì)應(yīng)的鏈碼可以表示為：7-7-1-3-0-7-1-3-0-1-3-4-1-2-3-5-4-1-3-5-4-5-6。

3.2 人手輪廓匹配

圖3 鏈碼表的8個(gè)方向及用鏈碼表示的人手輪廓

PGH實(shí)際上是鏈碼直方圖的一個(gè)擴(kuò)展和延伸[9]。人手的外形是不規(guī)則形狀，可以將其描述為許多線段組成的多邊形。由于多邊形PGH基于多邊形線段間距離與角度信息，因此這種編碼方式具有很好的平移、旋轉(zhuǎn)和尺度不變性，而且計(jì)算簡(jiǎn)單，只需要少量的手勢(shì)模板即可達(dá)到很好的匹配效果[9]。

本文將提取到的人手輪廓近似為多邊形，這樣就可以用一系列連續(xù)的邊緣點(diǎn)來表示人手輪廓，定義其邊緣點(diǎn)的集合為（x（t），x（t））∈R2。 將每一個(gè)輪廓邊緣視為其方向上的基準(zhǔn)線，那么它與其他輪廓邊緣間的相對(duì)角θ∈[0，π]以及最大、最小垂直距離（dmin和 dmax）可以計(jì)算出來，如圖4（a）所示。定義邊緣之間的相對(duì)角度為直方圖的行，對(duì)應(yīng)的相對(duì)最大距離與最小距離為直方圖的列，這樣就得到了當(dāng)前人手多邊形的PGH，如圖4（b）所示。

圖4 兩條線段間的相對(duì)角與垂直距離以及成對(duì)幾何直方圖

同樣，利用相同的方式可以獲得手勢(shì)模板的PGH。將兩個(gè)直方圖歸一化，假設(shè)其分布分別為 pc（θ）和 q（θ），其中c表示候選區(qū)域中心。應(yīng)用Bhattacharyya系數(shù)計(jì)算兩個(gè)分布間的相似度 ρ（q，pc），然后計(jì)算Bhattacharyya 距離，得出一個(gè)描述其相似性的數(shù)據(jù) pmatch（0≤pmatch≤1）：

pmatch的值越小，手形的匹配度越高，即當(dāng)前手形與模板手形的相似度越大。通過多次實(shí)驗(yàn)確定，PGH匹配能夠準(zhǔn)確去除人手混淆區(qū)域，精確定位人手所在區(qū)域。

4 Kalman動(dòng)態(tài)人手跟蹤

復(fù)雜背景下的人手跟蹤往往需要一些具有預(yù)測(cè)功能的跟蹤算法。當(dāng)人手膚色區(qū)域與“混淆”區(qū)域重疊面積較大時(shí)，普通的跟蹤方法很難準(zhǔn)確地定位人手位置。Kalman濾波器是一個(gè)對(duì)動(dòng)態(tài)系統(tǒng)的狀態(tài)序列進(jìn)行線性最小方差估計(jì)的算法，具有計(jì)算量小、可實(shí)時(shí)計(jì)算的特點(diǎn)，而且能夠較為準(zhǔn)確地預(yù)測(cè)目標(biāo)的位置和速度。

如果短時(shí)間內(nèi)將人手運(yùn)動(dòng)看作是一種近似恒定運(yùn)動(dòng)，即可以將人手的運(yùn)動(dòng)狀態(tài)在該時(shí)間序列內(nèi)看作為時(shí)不變系統(tǒng)，則可以設(shè)計(jì)一個(gè)Kalman跟蹤器對(duì)人手進(jìn)行預(yù)測(cè)跟蹤。Kalman系統(tǒng)狀態(tài)模型如式（7）和式（8）所示。

狀態(tài)方程：

觀測(cè)方程：

其中，F(xiàn)和H分別為狀態(tài)轉(zhuǎn)移矩陣和觀測(cè)矩陣。ωk和υk分別為系統(tǒng)噪聲和觀測(cè)噪聲，分別服從方差為R和Q的正態(tài)分布。u（k）是 k時(shí)刻對(duì)系統(tǒng)的控制量，本文中u（k）可以忽略不計(jì)。 用 X 表示人手狀態(tài)向量，（x，y）和（x˙，y˙）分別表示人手特征點(diǎn)在圖像中的坐標(biāo)位置和運(yùn)動(dòng)速度，則 X=（x，y，x˙，y˙）T。 Z=（x，y）T表示觀測(cè)向量，即人手的位置信息。

設(shè)計(jì)Kalman濾波方程對(duì)系統(tǒng)參數(shù)進(jìn)行估計(jì)，如式（9）和式（10）所示。

預(yù)測(cè)：

更新：

其中，T為相鄰幀之間的采樣周期，ωk和 υk的協(xié)方差矩陣 Q=I1，R=I2，I1為四維單位矩陣，I2為二維單位矩陣。

5 實(shí)驗(yàn)結(jié)果分析

在訓(xùn)練SPM時(shí)，采用6000幅樣本圖片，其中4500幅通過網(wǎng)絡(luò)攝像機(jī)采集，1500幅來自于因特網(wǎng)。訓(xùn)練樣本5000幅，包含膚色圖片2000幅，非膚色圖片3000幅。測(cè)試樣本集1000幅，包含膚色圖片400幅，非膚色圖片600幅。

5.1 實(shí)驗(yàn)結(jié)果

對(duì)該方法的檢測(cè)與跟蹤性能做了測(cè)試，利用普通USB攝像頭制作了兩段視頻序列。運(yùn)行環(huán)境為2.86 GHz奔騰E6300雙核處理器，2 GB內(nèi)存，Windows7操作系統(tǒng)，VS2008+Opencv2.1開發(fā)平臺(tái)，視頻窗口顯示大小為320 pix×240 pix，灰色矩形框?yàn)楦櫟降氖謩?shì)區(qū)域，圖 5給出了部分實(shí)驗(yàn)結(jié)果截圖。

圖5 實(shí)驗(yàn)結(jié)果

5.2 對(duì)比實(shí)驗(yàn)分析

為了驗(yàn)證本文方法的快速性與魯棒性，在背景環(huán)境相對(duì)復(fù)雜的場(chǎng)景下，分別與Camshift+Kalman方法和Camshift+Particle filter方法、基于Haar特征的Adaboost方法和Chamfer Matching方法進(jìn)行了對(duì)比性實(shí)驗(yàn)測(cè)試，實(shí)驗(yàn)運(yùn)行環(huán)境同上。測(cè)試結(jié)果如表1所示。

表1 對(duì)比實(shí)驗(yàn)測(cè)試結(jié)果

其中，frame為幀數(shù)，frameerror為視頻序列中檢測(cè)錯(cuò)誤幀數(shù)，framemiss為視頻序列中檢測(cè)遺漏幀數(shù)，framesum為視頻序列總幀數(shù)。

經(jīng)過對(duì)比可以看出，Camshift+Kalman實(shí)時(shí)性最好，但誤檢率最高；Haar+Adaboost方法漏檢率較低，但是跟蹤速度相對(duì)較慢，誤檢率較高；Chamfer Matching方法誤檢率與漏檢率都較低，但是跟蹤速度最慢，很難達(dá)到實(shí)時(shí)跟蹤的要求；本文所提出的SPDH+PGH+Kalman方法，誤檢率和漏檢率與Haar+Adaboost方法相當(dāng)，跟蹤速度接近Camshift+Kalman方法，滿足實(shí)時(shí)性跟蹤，具有較強(qiáng)的魯棒性，且能夠適用于大多數(shù)復(fù)雜場(chǎng)景。

本文提出了一種基于膚色與形狀的手勢(shì)檢測(cè)與跟蹤方法，該方法簡(jiǎn)單可靠，具有較強(qiáng)的快速性與魯棒性。在跟蹤過程中，手部運(yùn)動(dòng)盡量保持恒速運(yùn)動(dòng)，跟蹤效果比較好。本文提出的方法尚有需要改進(jìn)之處，當(dāng)背景光照較強(qiáng)烈時(shí)，容易出現(xiàn)漏檢情況。因?yàn)閺?qiáng)光照的干擾，視頻中部分膚色區(qū)域的色調(diào)“污染”嚴(yán)重，所以影響了自適應(yīng)閾值膚色分割的效果。

[1]楊波，宋曉娜，馮志全，等.復(fù)雜背景下基于空間分布特征的手勢(shì)識(shí)別算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（10）：1841-1848.

[2]滕達(dá)，楊壽保，劉巖，等.基于“大小手”的徒手手勢(shì)實(shí)時(shí)識(shí)別[J].計(jì)算機(jī)應(yīng)用，2006，26（9）：2041-2043.

[3]王亮，胡衛(wèi)明，譚鐵牛.人運(yùn)動(dòng)的視覺分析綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（3）：225-237.

[4]HOCH M， LITWINOWICZ P.A practicalsolutionfor tracking edges in image sequences with snakes[J].The Visual Computer， 1996， 12（2）：75-83.

[5]趙懷勛，鄭敏，李志強(qiáng).一種自適應(yīng)光照的膚色識(shí)別算法[J].微電子學(xué)與計(jì)算機(jī)，2006，24[3]：158-160.

[6]Zhang Mingji， Wang Weiqiang， Zheng Qingfang， et al.Skin-color detection based on adaptive thresholds[C].Proceedings of the Third International Conference on Image and Graphics， 2004： 250-253.

[7]洪紅，朱秀昌.一種新的人手圖像跟蹤算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（3）：88-91.

[8]于仕琪，劉瑞禎.學(xué)習(xí) OpenCV[M].北京：清華大學(xué)出版社，2009.

[9]劉玉進(jìn)，蔡勇，武匯岳.一種膚色干擾下的變形手勢(shì)跟蹤方法[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（35）：164-167.