基于HOG特征提取和SVM的手勢(shì)識(shí)別方法研究

李國(guó)玄 馬凱凱 王文博

商丘工學(xué)院機(jī)械工程學(xué)院，河南商丘 476000

0 前言

手勢(shì)是一種自然、直接、符合用戶習(xí)慣的交互方式，具有快速、非接觸、容易理解等優(yōu)勢(shì)，因此，對(duì)手勢(shì)識(shí)別的研究可以增強(qiáng)用戶的沉浸感體驗(yàn)，使交互體驗(yàn)更為直觀和舒適。隨著人工智能的迅速發(fā)展，人機(jī)交互技術(shù)也越來(lái)越趨于智能化和人性化，手勢(shì)識(shí)別作為人機(jī)交互領(lǐng)域中一個(gè)具有挑戰(zhàn)性的問(wèn)題，多年來(lái)一直是科研工作者研究的熱點(diǎn)[1-2]。目前，國(guó)內(nèi)外針對(duì)手勢(shì)識(shí)別的研究主要分為基于2D攝像頭的二維手型識(shí)別、二維手勢(shì)識(shí)別，以及基于3D攝像頭的三維手勢(shì)識(shí)別，前兩種完全基于二維層面，第三種包含深度信息。最初，研究者主要是利用機(jī)械設(shè)備輔助檢測(cè)人手的各個(gè)關(guān)節(jié)的位置、角度信息，從而識(shí)別手勢(shì)含義。傳統(tǒng)的人機(jī)交互技術(shù)是指通過(guò)計(jì)算機(jī)輸入、輸出設(shè)備，以有效的方式實(shí)現(xiàn)人與計(jì)算機(jī)對(duì)話的技術(shù)，它包括機(jī)器通過(guò)輸出或顯示設(shè)備給人提供大量有關(guān)信息及提示請(qǐng)示等，是計(jì)算機(jī)用戶界面設(shè)計(jì)中的重要內(nèi)容之一[3-4]。隨著科技的發(fā)展，人們逐漸不滿足傳統(tǒng)的接觸型交互，手勢(shì)識(shí)別作為非接觸型的一種交互方式，不僅實(shí)現(xiàn)了便捷的操作方式，還完成了人與計(jì)算機(jī)的互動(dòng)和交流。目前，手勢(shì)識(shí)別在手語(yǔ)識(shí)別、人機(jī)交互、機(jī)器人控制、智能監(jiān)控、視覺(jué)環(huán)境操作等領(lǐng)域均有應(yīng)用，未來(lái)將在更多行業(yè)、更多方面發(fā)揮價(jià)值[5]。

1 手勢(shì)圖像采集

目前，手勢(shì)識(shí)別在醫(yī)療服務(wù)促進(jìn)與聾啞人的交流、智能機(jī)器操作的便捷、提高汽車駕駛安全度等方面得到廣泛應(yīng)用，根據(jù)采集手勢(shì)圖像的設(shè)備不同分為基于數(shù)據(jù)手套的手勢(shì)識(shí)別和基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別?；谝曈X(jué)的識(shí)別方式具有直觀性、自然性和豐富性的特點(diǎn)，使操作者更加自然地進(jìn)行人機(jī)交互，已經(jīng)成為手勢(shì)識(shí)別的研究重點(diǎn)[6-7]。本文研究對(duì)象是靜態(tài)手勢(shì)的識(shí)別，對(duì)于一幅圖片首先分割出手勢(shì)部分，其次在手部區(qū)域提取某種特征來(lái)描述手勢(shì)特性，最后利用手勢(shì)形態(tài)特征分類方法對(duì)手勢(shì)進(jìn)行識(shí)別，手勢(shì)識(shí)別數(shù)據(jù)處理流程如圖1所示。

本文采用筆記本自帶攝像頭采集圖像，在視頻流中每隔1 s隨機(jī)抓取一幅手勢(shì)圖像，考慮到手勢(shì)識(shí)別過(guò)程中實(shí)際情況的復(fù)雜性，如光照強(qiáng)度、手勢(shì)的形態(tài)、背景復(fù)雜程度等，對(duì)采集的手勢(shì)圖像進(jìn)行歸一化處理，提高手勢(shì)識(shí)別率。共采集6種手勢(shì)，每種手勢(shì)1,000張圖片，手勢(shì)數(shù)據(jù)集如圖2所示。

2 手勢(shì)圖像分割

在手勢(shì)識(shí)別過(guò)程中，將獲取到的手勢(shì)信息轉(zhuǎn)換成可用計(jì)算機(jī)處理的數(shù)字圖像時(shí)，圖像的生成、采集、變換及傳輸過(guò)程中會(huì)受到各種因素的干擾。為了降低手勢(shì)圖像的復(fù)雜多樣性對(duì)手勢(shì)特征提取和訓(xùn)練過(guò)程中的影響，提高特征提取和識(shí)別的可靠性，需要對(duì)采集的手勢(shì)圖像進(jìn)行預(yù)處理，即過(guò)濾掉圖像中不需要的部分，增強(qiáng)圖像中的特征信息。通過(guò)對(duì)采集的RGB圖像分析，手勢(shì)本身形態(tài)不一，圖像背景及光照強(qiáng)度都會(huì)對(duì)手勢(shì)形態(tài)造成影響，包括背景的變化、圖像采集設(shè)備的性能、運(yùn)動(dòng)跟蹤的靈敏度、類膚色區(qū)域等，都給手勢(shì)的檢測(cè)帶來(lái)了困難[8-9]。

目前，基于視覺(jué)的分割方法有3類：

（1）閾值法：首先對(duì)采集的RGB圖像做灰度變換，生成灰度直方圖，選擇直方圖中的最小值作為分隔的閾值，小于閾值的區(qū)域設(shè)置為全黑，大于閾值的區(qū)域設(shè)置為全白；

（2）模板匹配：首先建立一個(gè)標(biāo)準(zhǔn)的樣本庫(kù)，提取樣本庫(kù)的特征并保存為XML格式，同樣提取采集圖像的特征向量與文件中的向量做對(duì)比，計(jì)算向量之間的距離，選擇距離最小的作為模板匹配的結(jié)果輸出；

（3）物理特征：主要根據(jù)膚色的色彩空間分割手勢(shì)，膚色特征具有較好的聚類特征，利用這種特征區(qū)分手勢(shì)區(qū)域，提高識(shí)別效果。

膚色作為手部區(qū)域的明顯特征，在實(shí)際應(yīng)用中容易受到環(huán)境變化，如位置變化、有色光源產(chǎn)生的色彩偏移等，這使得整個(gè)手部區(qū)域存在較大的差異，在圖像處理中常用的膚色空間包括RGB、YUV和YCbCr等顏色空間。YUV是從全彩色圖像中產(chǎn)生一個(gè)黑白圖像，提取出3個(gè)主要的顏色變成兩個(gè)額外的信號(hào)來(lái)描述顏色，從RGB中提取亮度值來(lái)減少顏色信息量，這些值可以重新組合來(lái)決定紅、綠、藍(lán)的混合信號(hào)。YUV和RGB的轉(zhuǎn)換如式（1）所示。

其中，Y表示亮度；U表示色度；V表示密度。

YCbCr是膚色檢測(cè)常用的模型空間，其中，Y代表亮度，Cr代表圖像中的紅色分量，Cb代表圖像中的藍(lán)色分量。人的膚色在外觀上的差異是由色度引起的，YCbCr顏色空間中CbCr的顏色區(qū)間類似于橢圓形狀，要判斷圖像中的像素是否在橢圓范圍內(nèi)，從而確定該點(diǎn)是否是待研究的像素點(diǎn)，遍歷整個(gè)圖像區(qū)域，確定膚色的范圍。將圖像轉(zhuǎn)換到Y(jié)CbCr空間并且在CbCr平面進(jìn)行投影，如式（2）所示：

其中，Y表示顏色亮度成分；Cb表示藍(lán)色濃度偏移量；Cr表示紅色濃度偏移量。

在YCbCr模型下，強(qiáng)度Y對(duì)色彩在CbCr平面的分布作用不大，采用線性近似值的辦法來(lái)找出膚色子空間的邊界，膚色像素點(diǎn)的范圍為77≤Cb≤127，并且133≤Cr≤173，假設(shè)該膚色像素點(diǎn)的灰度級(jí)為g(x, y)，代碼說(shuō) 明if(77≤Cb≤118&&120≤Cr≤127)，g(x,y)=0; else g(x,y)=255。YUV和YCrCb各通道的膚色檢測(cè)效果圖如圖3所示。

由圖3可以看出，YUV顏色空間相對(duì)于YCbCr空間的聚合度較低，三維的膚色空間轉(zhuǎn)化為二維CbCr空間的話，膚色區(qū)域會(huì)形成一定的形狀，產(chǎn)生很好的聚類效果，所以本章基于膚色模型的手勢(shì)識(shí)別選擇YCbCr膚色空間?；赮CbCr膚色轉(zhuǎn)換分割的效果如圖4所示。

3 手勢(shì)圖像預(yù)處理

隨機(jī)采集的圖像容易受環(huán)境的干擾，不可以作為圖像處理的輸入圖像，在視覺(jué)圖像處理前需要對(duì)原始圖像做預(yù)處理，主要目的是使感興趣區(qū)域的特征更明顯，衰減其不需要的特征[10-11]。直方圖均衡化的原理是通過(guò)重新分布圖像的灰度值來(lái)達(dá)到增強(qiáng)圖像對(duì)比度的效果。通過(guò)直方圖均衡化之后，把在灰度區(qū)間[a, b]內(nèi)原圖像的像素點(diǎn)映射到圖像變換后的 [z1,zk] 區(qū)間， [z1,zk]的范圍較大，將原圖像灰度區(qū)間的像素點(diǎn)z映射到子區(qū)間z12的函數(shù)如式（3）所示：

此函數(shù)的曲線形狀如圖5（a）所示，將區(qū)間[a, b]擴(kuò)展到區(qū)間[z1,zk]上，增強(qiáng)圖像的特征。如果選擇的圖像像素灰度值不唯一或者大部分分布在區(qū)間[a, b]，如圖5（b）所示，則可以使用式（4）的映射函數(shù)：

如果需要增強(qiáng)敏感區(qū)域的灰度細(xì)節(jié)，同時(shí)又可以保留其他灰度上的細(xì)節(jié)，可以在不同的區(qū)間上分段灰度處理，那么研究的灰度區(qū)間得以延伸，同時(shí)壓縮不需要圖像灰度空間，使對(duì)比效果更加明顯，如圖5（c）所示，也可以利用平滑函數(shù)對(duì)采集的圖像進(jìn)行尺度變換，如圖5（d）所示。

通過(guò)函數(shù)變換得到各灰度值所對(duì)應(yīng)的像素?cái)?shù)不完全匹配，首先設(shè)定灰度值的分布，才能達(dá)到直方圖均勻性的目的，假設(shè)灰度級(jí)zi上的像素點(diǎn)的數(shù)量為pi，qi是進(jìn)行灰度變換之后要得到的數(shù)目。從圖像的原點(diǎn)開(kāi)始找到灰度值k1，使得則重新對(duì)灰度級(jí)z1,z2,…,zk1-1上的像素點(diǎn)轉(zhuǎn)換到新的圖像上，求灰度值k2，使得所以另一個(gè)子區(qū)間的像素值z(mì)k1,…,zk2-1分別被映射到灰度級(jí)z2上。循環(huán)上面的操作步驟到灰度值處理結(jié)束，如圖6所示。

通過(guò)YCbCr膚色空間轉(zhuǎn)換的模型檢測(cè)出視頻中類膚色區(qū)域，該膚色區(qū)域包含手、手臂、臉部、頸部和與膚色區(qū)域灰度值相等的噪聲點(diǎn)。在視場(chǎng)中，手部和臉部是主要的膚色區(qū)域，篩選剔除面積小于200的輪廓，根據(jù)膚色區(qū)域近似矩形的特點(diǎn)，計(jì)算矩形的高與寬比值，滿足box[i].size.height/box[i].size.width＞0.7，0.9＜box[i].size.height/box[i].size.width＜1.2，膚 色 區(qū) 域?yàn)槭植?。本文采用的二維直方圖Otsu的自適應(yīng)閾值分割手勢(shì)方法是一種圖像灰度自適應(yīng)的分割算法，其中一維Otsu算法有計(jì)算簡(jiǎn)單、自動(dòng)選擇閾值等優(yōu)點(diǎn)，多用在圖像分割中。一維Otsu算法對(duì)環(huán)境有較高的要求，而且要求像素點(diǎn)平均分布[12]，當(dāng)圖像中有噪聲時(shí)，會(huì)導(dǎo)致分割的效果不理想。本文采用二維Otsu算法，發(fā)現(xiàn)背景和前景的像素點(diǎn)主要分布在矩形區(qū)域的對(duì)角線上，邊界點(diǎn)和噪聲點(diǎn)分布在對(duì)角線的兩側(cè)[13]。

通過(guò)二維Otsu算法計(jì)算劃分出來(lái)的有效區(qū)域B的閾值，實(shí)驗(yàn)結(jié)果對(duì)比如圖7所示。

4 手勢(shì)識(shí)別

在視覺(jué)識(shí)別領(lǐng)域，常用的靜態(tài)手勢(shì)識(shí)別方法包括3種：第1種為模板匹配技術(shù)，其原理是建立圖像數(shù)據(jù)庫(kù)給不同的手勢(shì)做標(biāo)簽，提取實(shí)時(shí)采集圖像的特征并與數(shù)據(jù)庫(kù)圖像的特征參數(shù)比較相似度，輸出匹配度最高的手勢(shì)結(jié)果；第2種為統(tǒng)計(jì)分析技術(shù)，通過(guò)概率論的統(tǒng)計(jì)方法把含有相同手勢(shì)的圖像放到一個(gè)分類器中，提取圖像的特征向量信息，即維度信息，采用貝葉斯決策的算法設(shè)計(jì)分類器，根據(jù)該方法得到用于分割不同手勢(shì)的距離和夾角的值，從而達(dá)到對(duì)手勢(shì)識(shí)別的目的；第3種為神經(jīng)網(wǎng)絡(luò)技術(shù)，這種方法需要具有自主能力，具有分布性特點(diǎn)，在識(shí)別前都需要一個(gè)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段[14-15]。本節(jié)的手勢(shì)識(shí)別采用HOG特征提取+ SVM分類相結(jié)合的手勢(shì)識(shí)別方法，流程圖如圖8所示。

提取手勢(shì)圖像的HOG特征，如局部圖像目標(biāo)的表象、形狀、像素分布以及邊緣方向的密度分布。HOG特征維數(shù)的計(jì)算，HOGDescriptor* hog =newHOGDescriptor(cvSize(64, 48), cvSize(8, 6), cvSize(8, 6), cvSize(4, 3), 9)。cvSize(64, 48)表示窗口的大小，cvSize(8, 6)表示塊（block）的大小，cvSize(8, 6)表示塊滑動(dòng)增量（blockStride）大小，cvSize(4, 3)表示胞元（cell）的大小。一張尺寸為640×480的圖片包含（blockSize.width/cellSize.width)*(blockSize.height / cellSize.height）個(gè)胞元（cell），所以一個(gè)塊（block）含有9A個(gè)梯度直方圖。按照所給出的數(shù)據(jù)，可得結(jié)果為36，按照所給出的數(shù)據(jù)，可得結(jié)果為230,400，如圖9所示。

SVM是一種二分類的模型，主要思想是在數(shù)據(jù)空間找到一個(gè)超平面，該平面可以把數(shù)據(jù)分為兩類，并且這兩類數(shù)據(jù)到超平面的距離最短。

本節(jié)研究手勢(shì)識(shí)別屬于線性不可分的情況，對(duì)采集的數(shù)據(jù)點(diǎn)進(jìn)行分類，實(shí)際上是通過(guò)f(x)=ωTx+b算出結(jié)果，然后根據(jù)正負(fù)號(hào)來(lái)進(jìn)行類別劃分。在超平面確定的情況下，我們就能夠找出所有的支持向量，然后計(jì)算出間隔margin，找出所有margin中最大的那個(gè)值對(duì)應(yīng)的超平面，用數(shù)學(xué)語(yǔ)言描述就是確定w、bmargin最大，這是一個(gè)優(yōu)化問(wèn)題，其目標(biāo)函數(shù)可以寫(xiě)成：

（1）構(gòu)建拉格朗日函數(shù)，如式（5）所示：

其中，α=(α1,α2,…,αN)T＞0為拉格朗日乘子向量，優(yōu)化問(wèn)題就轉(zhuǎn)化為求函數(shù)極大、極小問(wèn)題，如式（6）所示：

例如，它的約束不等式中有一個(gè)不等式不滿足約束，y2(ωx2+b)-1＜0，則

（2）求解minω,b L(ω,b,α)，求偏導(dǎo)數(shù)并令其等于0，如式（7）所示：

（3）求解minω,b L(ω,b,α)對(duì)α的極大值，如式（8）所示：

?i＞0,i =1，, 2這,…是, 原N問(wèn)題的對(duì)偶最優(yōu)化。

（4）超平面公式求解，如式（9）所示：

求解出b*的值，即找到分類效果最好的平面，支持向量就是此平面上的點(diǎn)，觀察原問(wèn)題的對(duì)偶問(wèn)題，若(xi,yi)為非支持向量，那么yi(ωxi+b)-1＞0要達(dá)到max?最大化的目的，有使 ?i=0，得出結(jié)論

為了提高分類器的泛化能力，針對(duì)某一手勢(shì)要保持統(tǒng)一且不能有遮擋，可以發(fā)生輕微變化，例如旋轉(zhuǎn)比較小的角度，或者使用不同的人作出手勢(shì)。負(fù)樣本的選擇至關(guān)重要，不能包含當(dāng)前要識(shí)別的手勢(shì)，保證與識(shí)別的區(qū)域有一定的差異性，盡量選擇背景比較復(fù)雜的圖片，會(huì)加快匹配速度。對(duì)采集的圖像樣本進(jìn)行統(tǒng)一裁剪，如圖10所示。

實(shí)驗(yàn)分別采用支持向量機(jī)、模板匹配和神經(jīng)網(wǎng)絡(luò)3種方法對(duì)手勢(shì)識(shí)別的效果進(jìn)行比較，每種手勢(shì)、每種方法采集100張，得出靜態(tài)手勢(shì)的識(shí)別率如表1所示。

表1 3種手勢(shì)識(shí)別方法效果對(duì)比

由表1可以看出，在相同訓(xùn)練集數(shù)據(jù)中，基于支持向量機(jī)的識(shí)別方法比模板匹配和神經(jīng)網(wǎng)絡(luò)的識(shí)別率高。模板匹配的手勢(shì)識(shí)別方法對(duì)模板的要求較高，原圖像中除了包含手勢(shì)之外，其他無(wú)關(guān)信息全部灰度處理，增加了計(jì)算量；神經(jīng)網(wǎng)絡(luò)作為一種以人腦結(jié)構(gòu)為基礎(chǔ)的運(yùn)算模型，需要大量的節(jié)點(diǎn)和神經(jīng)元進(jìn)行策略分析，運(yùn)行效率低且算法復(fù)雜；基于HOG特征提取+SVM分類相結(jié)合的手勢(shì)識(shí)別方法優(yōu)點(diǎn)在于樣本集少，特征提取準(zhǔn)確等特點(diǎn)，并且根據(jù)3種方法的識(shí)別率結(jié)果可知，該算法的手勢(shì)識(shí)別率較高，且識(shí)別穩(wěn)定性較好。

5 結(jié)束語(yǔ)

本文首先介紹了手勢(shì)識(shí)別在人機(jī)交互領(lǐng)域的應(yīng)用，其次分析了手勢(shì)分割存在的技術(shù)難點(diǎn)，對(duì)比了現(xiàn)有手勢(shì)分割和手勢(shì)識(shí)別方法的特點(diǎn)，最后重點(diǎn)研究了基于YCrCb膚色空間的手勢(shì)分割和基于SVM手勢(shì)識(shí)別的算法流程。通過(guò)實(shí)驗(yàn)結(jié)果分析，驗(yàn)證了本文采用的HOG+SVM手勢(shì)識(shí)別算法對(duì)手勢(shì)形態(tài)和復(fù)雜背景等因素具有較強(qiáng)的魯棒性。