基于顏色識別的手指多點(diǎn)跟蹤人機(jī)交互系統(tǒng)

王鵬程，官洪運(yùn)，許文杰，鄔曉琳

（東華大學(xué) 信息學(xué)院，上海 201620）

隨著計算機(jī)視覺技術(shù)的發(fā)展以及人們對新的交互手段的需求，基于計算機(jī)視覺的交互系統(tǒng)也逐漸發(fā)展起來。傳統(tǒng)的交互方式如鼠標(biāo)、鍵盤、手柄等在某些特殊領(lǐng)域己經(jīng)無法發(fā)揮便利的作用。本系統(tǒng)將計算機(jī)視覺技術(shù)做新的應(yīng)用，帶來了人機(jī)交互的便利，實現(xiàn)如畫圖、圖片瀏覽等功能，將電視棒連接到處理器后還可實現(xiàn)對網(wǎng)絡(luò)電視的頻道切換和音量控制。本系統(tǒng)是基于顏色識別的多點(diǎn)跟蹤識別系統(tǒng)，可以通過識別手部的動作（如拉伸、靠近等動作）實現(xiàn)對計算機(jī)及與其連接設(shè)備的控制功能，讓用戶完全擺脫對遙控器和鼠標(biāo)的依賴，實現(xiàn)更加便捷、人性化的人機(jī)交互。

傳統(tǒng)的人機(jī)交互方式在使用過程中確定性比較強(qiáng)，比如按下鍵盤的按鈕或者點(diǎn)擊鼠標(biāo)的左右鍵，計算機(jī)都己將此關(guān)聯(lián)到一定的系統(tǒng)事件中。

而基于顏色識別的手指多點(diǎn)跟蹤交互方式表達(dá)的意義豐富。如帶上顏色標(biāo)記的指套后，通過不同手勢、位置、方向等可以組合出多種信息，更能符合人的操作習(xí)慣。整個交互的流程為：先通過攝像頭拍攝手勢圖像視頻流，然后從圖像中根據(jù)特定算法提取出手指的顏色和識別點(diǎn)以及位置信息，之后把這些信息點(diǎn)進(jìn)行相應(yīng)分類取舍，接著基于Windows API將這些提取出的信息點(diǎn)根據(jù)需求驅(qū)動相應(yīng)的系統(tǒng)動作。

1 常用的色彩模型及轉(zhuǎn)換

1.1 常用的色彩模型

本系統(tǒng)涉及到的色彩空間有：

（1）RGB 顏色模型

RGB彩色系統(tǒng)為一直角坐標(biāo)系統(tǒng)，其中的三個基量是選擇可見光中的三原色光，為使色光定義能夠統(tǒng)一，CIE定出三原色的波長為紅（700 nm）、綠（546.1 nm）和藍(lán)（435.8 nm）。通常不直接處理RGB彩色影像，例如欲從一個彩色影像中找出物體的邊緣，如果分別對R、G和B以邊緣強(qiáng)化處理，如此得到的為一個別成份的邊緣而非物體的真正邊緣。直接處理RGB影像的情況只有在每個成份改變的情形都一樣時，才不會造成顏色失真。

（2）HSV 顏色模型

HSV色彩屬性模式是根據(jù)色彩的三個基本屬性：色相、飽和度和亮度來確定顏色的一種方法。

色相（H）是色彩的基本屬性，就是平常所說的顏色名稱，如紅色、黃色等，依照在標(biāo)準(zhǔn)色輪上的位置，取0～360°的數(shù)值（也有用100%的方法確定的）。飽和度（S）是指色彩的純度，越高色彩越純，低則逐漸變灰，取0～100%的數(shù)值。明度（V）也叫“亮度”，取 0～100%。這種模式是1978年由AlvyRaysmith創(chuàng)立的，它是三原色光模式的一種非線性變換。

1.2 顏色模型轉(zhuǎn)換

研究表明，雖然不同人的膚色相差很大，但通常不同人的膚色相差主要是亮度，而在色度上的差異并不大。因此需要把圖像中表達(dá)顏色的色度與亮度分開。通常是將獲取的圖像中所用的R、G、B三原色的顏色分量所表達(dá)的色彩空間轉(zhuǎn)換為HSV色彩空間，轉(zhuǎn)換后就可以對人體膚色的色度進(jìn)行一個閉值分割來達(dá)到膚色分割的目的。

（1）膚色模型

[1]結(jié)合了HSV顏色空間和RGB空間構(gòu)造出混合膚色模型，該論文首先分析了膚色在H-S平面的聚類情況。并通過大量膚色樣本，發(fā)現(xiàn)膚色像素在HS平面上表現(xiàn)出的明顯聚類，表明人體膚色的RGB圖像轉(zhuǎn)換到HSV色彩空間后H與S分量的關(guān)系。并且隨光照強(qiáng)度不同，V的取值范圍應(yīng)較大，否則會忽略某些膚色像素點(diǎn)，同時也會引入誤差。

（2）CamShift顏色跟蹤算法及其改進(jìn)

CamShift算 法 （即 “Continuously Apative Mean-Shift”算法）基本思想是將視頻圖像的所有幀作MeanShift運(yùn)算，并將上一幀的結(jié)果作為搜索窗的初始值，如此迭代下去實現(xiàn)對目標(biāo)的跟蹤。

（3）膚色模型+CamShift跟蹤

CamShift算法簡單，跟蹤實時效果較好，在簡單背景下完全勝任跟蹤識別要求，缺點(diǎn)是復(fù)雜背景圖對識別精度有一定的干擾，導(dǎo)致跟蹤不穩(wěn)定。結(jié)合膚色識別和CamShift顏色跟蹤算法，在每幀同時得到CamShift顏色跟蹤窗口以及膚色二值圖像，在顏色跟蹤窗口中包含一定數(shù)量膚色二值像素時才認(rèn)為是有效目標(biāo)。

合成的方案具有較好的識別跟蹤效果，使用改進(jìn)的CamShift算法，即便出現(xiàn)跟蹤丟失現(xiàn)象，也會在數(shù)幀內(nèi)再次跟蹤上目標(biāo)顏色，因此采用此方案為系統(tǒng)的實施方案。

2 系統(tǒng)功能與指標(biāo)

系統(tǒng)通過對4個指套顏色的識別與跟蹤，可以在Windows操作系統(tǒng)中實現(xiàn)[2]如鼠標(biāo)移動、點(diǎn)擊、文檔翻頁和多點(diǎn)放大縮小。為了方便操作，一般左右手食指和拇指各戴一個指套，右手手指的移動作為鼠標(biāo)移動和單擊消息，用右手食指和拇指的“捏”的動作實現(xiàn)單擊操作，而“捏住”并移動手指可以實現(xiàn)拖動操作。左手作為多點(diǎn)觸控消息，在左右手的食指拇指同時“捏住”后，通過兩手的遠(yuǎn)離拉開和靠近縮回實現(xiàn)“多點(diǎn)觸控”。

3 實現(xiàn)原理

3.1 OpenCV基礎(chǔ)

OpenCV （全稱是OpenSourceComputerVision Library）[3]作為一個基本的計算機(jī)視覺、圖像處理和模式識別的開源項目，可以直接應(yīng)用于很多領(lǐng)域，作為二次開發(fā)的理想工具。

3.2 膚色模型

先將原圖像RGB色彩空間轉(zhuǎn)換到HSV空間，然后判斷像素點(diǎn)是否在膚色模型HSV取值中，若在范圍內(nèi)，則該像素點(diǎn)置”1”（255），即置為白色，否則設(shè)置為”0”（黑色）。再進(jìn)行相應(yīng)形態(tài)學(xué)處理以及輪廓提取便可得到膚色二值圖像，進(jìn)行深度信息提取。

3.3 CamShift顏色跟蹤算法

CamShift算法是MeanShift的修改算法，克服了MeanShift不適合實時跟蹤的缺點(diǎn)。

CamShift算法基本實現(xiàn)流程如下：

（1）Back Projection 背景投影計算

計算Back Projection的步驟如下：

①根據(jù)目標(biāo)顏色圖像計算被跟蹤目標(biāo)的色彩直方圖。

根據(jù)如圖1的目標(biāo)顏色計算出如圖2的直方圖。

利用背景投影圖計算質(zhì)心即跟蹤窗口進(jìn)行顏色跟蹤。

②根據(jù)獲得的色彩直方圖將原始圖像轉(zhuǎn)化成色彩概率分布圖像，這個過程稱為Back Projection。

（2）MeanShift重心計算

MeanShift算法是一種一組數(shù)據(jù)的密度分布中尋找局部極值的穩(wěn)定的方法。若分布是連續(xù)的，處理過程比較容易，這種情況下本質(zhì)上只需對密度的直方分布圖應(yīng)用爬山算法即可。然而，對于離散的數(shù)據(jù)集，這個問題某種程度上是比較麻煩的。

MeanShift算法步驟如下：

①選擇搜索窗口。

·窗口的初始位置；

·窗口的類型（均勻、多項式、指數(shù)或者高斯類型）；

·窗口的形狀（對稱的或歪斜的，可能旋轉(zhuǎn)的，圓形或巨型）；

·窗口的大?。ǔ龃翱诖笮t被刪除）。

②計算窗口（可能帶權(quán)值的）的重心。

③將窗口中心設(shè)置在計算出的重心處。

④返回第②步，直到窗口的位置不再變化 （通常會）。

（3）CamShift算法

將MeanShift算法擴(kuò)展到連續(xù)圖像序列，就形成了CamShift算法。它的基本思想是視頻圖像的所有幀作MeanShift運(yùn)算，并將上一幀的結(jié)果作為下一幀MeanShift算法的Search Window的初始值，如此迭代下去，就可以實現(xiàn)對目標(biāo)的跟蹤。整個算法的具體步驟分5步：

①將整個圖像設(shè)為搜尋區(qū)域。

②初始化Search Window的大小和位置。

③計算Search Window內(nèi)的彩色概率分布，此區(qū)域的大小比Search Window要稍微大一點(diǎn)。

④運(yùn)行MeanShift，獲得Search Window新的位置和大小。

⑤在下一幀視頻圖像中，用③獲得的值初始化Search Window的位置和大小。跳轉(zhuǎn)到③繼續(xù)運(yùn)行。

在OpenCV中，有實現(xiàn)CamShift算法的函數(shù)cvCamShift，使用較方便。

3.4 合成方案：膚色模型+改進(jìn)CamShift跟蹤

結(jié)合膚色識別和CamShift顏色跟蹤算法，在每幀同時得到CamShift顏色跟蹤窗口以及膚色二值圖像，在顏色跟蹤窗口中包含一定數(shù)量膚色二值像素時才認(rèn)為是有效目標(biāo)。如圖3所示，系統(tǒng)分別識別出了膚色和目標(biāo)色紅色，并確認(rèn)出介于膚色之間的紅色位置才是目標(biāo)位置。

綜合膚色模型和CamShift顏色跟蹤算法，可以在較復(fù)雜背景下實現(xiàn)目標(biāo)顏色跟蹤。

4 系統(tǒng)硬件組成

系統(tǒng)硬件組成包括：核心控制系統(tǒng)、視頻采集系統(tǒng)、USB接口的電視棒、天線、視頻音頻輸出模塊，系統(tǒng)硬件構(gòu)成如圖4所示。

圖4 系統(tǒng)硬件框圖

5 系統(tǒng)軟件流程

整個軟件系統(tǒng)分為三種狀態(tài)：移動狀態(tài)、單點(diǎn)狀態(tài)、多點(diǎn)狀態(tài)。通過設(shè)置兩個標(biāo)志位flag來判斷所處狀態(tài)。只有進(jìn)入單機(jī)狀態(tài)后才能進(jìn)入多點(diǎn)狀態(tài)，而一旦退出多點(diǎn)狀態(tài)將進(jìn)入移動狀態(tài)（如圖5）。在圖形界面上，本系統(tǒng)用VS2005的MFC框架，基于Dialog的結(jié)構(gòu)，編寫了友好的人機(jī)交互界面[4]。

圖5 軟件流程圖

如下代碼介紹了如何在獲取的視頻信號中識別紅色指套，其他顏色的指套采用相同的方法可進(jìn)行識別，由識別到的手指位置對Whindows鼠標(biāo)消息進(jìn)行響應(yīng)，從而對系統(tǒng)進(jìn)行控制[5]。

（1）構(gòu)建搜索目標(biāo)色的數(shù)據(jù)結(jié)構(gòu)

本系統(tǒng)最大的特色在于用雙手手指更形象的操作代替原來鼠標(biāo)單一的左右鍵點(diǎn)擊，并能完成部分鼠標(biāo)單擊無法完成的多點(diǎn)觸控功能[6]。本系統(tǒng)使用OpenCV技術(shù)，通過對顏色的識別跟蹤，實現(xiàn)了新型的輸入方式，讓電腦能夠讀懂人的動作。本系統(tǒng)的另一個特色是可以和電視棒、網(wǎng)絡(luò)視頻軟件結(jié)合起來。多少年來，電視機(jī)的操作設(shè)備一直是遙控器，用戶每次要對電視操作時都要找遙控器，費(fèi)時費(fèi)力，隨著科學(xué)技術(shù)的發(fā)展，這種方式顯得過于落后，本系統(tǒng)創(chuàng)新性的將基于顏色的手部動作識別和電視操作結(jié)合在一起，符合智能家居的概念，使得操作更加人性化。在實際測試過程中，本系統(tǒng)穩(wěn)定運(yùn)行，并且效果良好。

參考文獻(xiàn)

[1]黃菁.基于單目視覺的觸摸屏技術(shù)研究[D].杭州：浙江工商大學(xué)，2009.

[2]RICHTER J， NASARREC.Windows核 心 編 程 [M].北京：清華大學(xué)出版社，2009.

[3]BRADSKIG， KAEBLER A.LearningOpenCV[M].北京：清華大學(xué)出版社，2009.

[4]PROSISE J.Programing Windows with MFC Windows[M].Microsoft Press，2007.05.01.

[5]郭世龍.基于Camshift算法的移動機(jī)器人視覺跟蹤系統(tǒng)[D].武漢：華中科技大學(xué)，2008.

[6]齊婷.基于視覺的多點(diǎn)觸摸基本技術(shù)實現(xiàn)方法 [D].昆明：昆明理工大學(xué)，2009.