·430· 智能系统学报 第10卷 究，已经成为当今图像处理与模式识别领域研究的 1手势识别算法简介 热点问题。基于视觉的单一背景的手势识别主要包 括特征的提取与描述、分类器的选择与训练2个过 手势识别算法如图1所示。该方法主要针对单 程。其中，所选择的特征的好坏将直接影响到手势 一背景下的手势识别，因此无需对手势图像进行分 识别的准确率山。文献[2]采用边缘像素点作为手 割预处理。首先将图像分割成不同的大小的块组成 势特征，并使用Hausdorff距离匹配手势模板。该方 图像金字塔，然后对图像金字塔中的每一层的每一 法较为简单，但所提取的手势特征不具有旋转与缩 块生成BoF-SFT特征描述，最后将图像金字塔各层 放的不变性，而且受光照的影响较大。文献[3]利 特征融合组成手势图像的SPM-BoF特征，并用直方 用切线距离作为手势特征，通过K-means聚类生成 图相交核支持向量机进行特征的分类，实现对未知 匹配模板，利用相似性匹配实现手势识别。文献 手势的识别。 [4]利用图像的Zernike矩和HOG特征构建字典， 并通过求解！范数的最优化问题实现分类识别。以 测试集 SPM算法 测试 特征提取 上2种特征对于图像的缩放具有不变性，但其特征 训练集 SPM算法 训练皮持向量机 识别 提取的计算复杂度较高。文献[5]提出利用局部均 特征提取 结果 值模式描述手势特征，采用gentle-Adaboost分类算 图1基于SPM-BoF算法的支持向量机手势识别框图 法实现手势分类和识别。文献[6]提出利用基于尺 Fig.1 The diagram of posture recognition based on SPM- 度不变特征变换特征包(bag of feature-scale invariant BoF algorithm and SVM feature transformation,BoF-SIFT)模型[)]和支持向量 2 机(support vector machine,SVM)的手势识别。这2 BoF-SIFT算法提取图像特征 种方法对特征提取与描述进行了改善，但BoF-SIFT BoF-SIFT算法描述手势图像特征分为2个步 描述的手势特征丢弃了手势特征点的分布特性，其 骤：1)检测图像特征点并生成特征点的SFT描述子 识别的准确性受到限制。在分类器的选择和设计方 的特征向量形式：2)利用K-means算法对所有手势 面，gentle-Adaboost分类器相对复杂，支持向量机需 图像的SFT特征进行向量聚类，用聚类中心建立视 要选择适当的核函数和参数才能得到有效的识别效 觉词汇表，通过统计每张手势图像的视觉词汇表直 果。文献[8]利用分层的特征包算法提取手势图像 方图作为手势图像的特征表示。 特征描述子，通过比较2幅手势图像特征描述子的 2.1检测图像关键点并生成关键点的SIFT描述子 相似度实现手势识别。这种算法取得了很好的识别 尺度不变特征变换(scale invariant feature trans 率，但算法中可调参数较多，识别效果受参数选择影 fom,SIFT)是D.G.Lowe在2004年首次提出 响较大。 的)。ST特征是一种图像的局部特征，该特征对 综上所述，为了更加有效地进行手势特征的描 旋转、尺度、缩放、亮度变化均具有不变性。获取该 述和识别，本文提出利用空间金字塔(spatial pyra- 特征主要分为特征点检测与生成特征点SFT描述 mid matching,SPM)特征包对手势图像特征进行提 符2个部分。在特征点检测阶段，David提出的构造 取和表示，该特征可以有效地描述手势图像的特征 图像尺度空间金字塔的方法将特征点周围的每个像 点及其分布特性，采用直方图相交核(histogram in 素的梯度模值和方向定义为： tersection kernel,HIK)支持向量机对手势特征进行 m(x,y）= 分类和识别。该手势识别算法的优势在于：1)空间 √(L(x+1y)-(x-1y))2+((xy+)-L(xy-)) 金字塔特征包算法通过构造图像金字塔的方法，对 (1) 每层图像的不同块区域运用BoF-SFT算法来描述 L(x,y+1)-L(x,y-1) a(x,y）=ata L(x+1,y)-L(x-1,y) .(2) 特征点，既能保持BoF-SFT算法特征简单、解决图 像局部特征不一致问题的优点，还在BoF-SIFT的基 式中：(x,y)为特征点的坐标，L(x,y)是图像的高斯 础上，增加了对特征点的分布特性的描述：2)直方 卷积。构造描述子需要计算特征点周围16×16图 图相交核支持向量机可以用于解决高维、小样本、非 像块中各像素的梯度模值和方向。将坐标轴旋转为 关键点的方向，以确保旋转不变性。将16×16图像 线性向量的分类问题，并且不用像其他类型的支持 块平均分成16个4×4的子区域，在每个子区域内 向量机核函数那样需要选择参数。 统计每个采样点的梯度方向，并投影到8个方向上，究，已经成为当今图像处理与模式识别领域研究的 热点问题。 基于视觉的单一背景的手势识别主要包 括特征的提取与描述、分类器的选择与训练 ２ 个过 程。 其中，所选择的特征的好坏将直接影响到手势 识别的准确率［１］ 。 文献［２］采用边缘像素点作为手 势特征，并使用 Ｈａｕｓｄｏｒｆｆ 距离匹配手势模板。 该方 法较为简单，但所提取的手势特征不具有旋转与缩 放的不变性，而且受光照的影响较大。 文献［３］ 利 用切线距离作为手势特征，通过 Ｋ⁃ｍｅａｎｓ 聚类生成 匹配模板，利用相似性匹配实现手势识别。 文献 ［４］利用图像的 Ｚｅｒｎｉｋｅ 矩和 ＨＯＧ 特征构建字典， 并通过求解 ｌ 范数的最优化问题实现分类识别。 以 上 ２ 种特征对于图像的缩放具有不变性，但其特征 提取的计算复杂度较高。 文献［５］提出利用局部均 值模式描述手势特征，采用 ｇｅｎｔｌｅ⁃Ａｄａｂｏｏｓｔ 分类算 法实现手势分类和识别。 文献［６］提出利用基于尺 度不变特征变换特征包（ｂａｇ ｏｆ ｆｅａｔｕｒｅ⁃ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍａｔｉｏｎ， ＢｏＦ⁃ＳＩＦＴ）模型［７］和支持向量 机（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ，ＳＶＭ）的手势识别。 这 ２ 种方法对特征提取与描述进行了改善，但 ＢｏＦ⁃ＳＩＦＴ 描述的手势特征丢弃了手势特征点的分布特性，其 识别的准确性受到限制。 在分类器的选择和设计方 面，ｇｅｎｔｌｅ⁃Ａｄａｂｏｏｓｔ 分类器相对复杂，支持向量机需 要选择适当的核函数和参数才能得到有效的识别效 果。 文献［８］利用分层的特征包算法提取手势图像 特征描述子，通过比较 ２ 幅手势图像特征描述子的 相似度实现手势识别。 这种算法取得了很好的识别 率，但算法中可调参数较多，识别效果受参数选择影 响较大。 综上所述，为了更加有效地进行手势特征的描 述和识别，本文提出利用空间金字塔（ ｓｐａｔｉａｌ ｐｙｒａ⁃ ｍｉｄ ｍａｔｃｈｉｎｇ， ＳＰＭ）特征包对手势图像特征进行提 取和表示，该特征可以有效地描述手势图像的特征 点及其分布特性，采用直方图相交核（ ｈｉｓｔｏｇｒａｍ ｉｎ⁃ ｔｅｒｓｅｃｔｉｏｎ ｋｅｒｎｅｌ， ＨＩＫ）支持向量机对手势特征进行 分类和识别。 该手势识别算法的优势在于：１）空间 金字塔特征包算法通过构造图像金字塔的方法，对 每层图像的不同块区域运用 ＢｏＦ⁃ＳＩＦＴ 算法来描述 特征点，既能保持 ＢｏＦ⁃ＳＩＦＴ 算法特征简单、解决图 像局部特征不一致问题的优点，还在 ＢｏＦ⁃ＳＩＦＴ 的基 础上，增加了对特征点的分布特性的描述；２） 直方 图相交核支持向量机可以用于解决高维、小样本、非 线性向量的分类问题，并且不用像其他类型的支持 向量机核函数那样需要选择参数。 １ 手势识别算法简介 手势识别算法如图 １ 所示。 该方法主要针对单 一背景下的手势识别，因此无需对手势图像进行分 割预处理。 首先将图像分割成不同的大小的块组成 图像金字塔，然后对图像金字塔中的每一层的每一 块生成 ＢｏＦ⁃ＳＩＦＴ 特征描述，最后将图像金字塔各层 特征融合组成手势图像的 ＳＰＭ⁃ＢｏＦ 特征，并用直方 图相交核支持向量机进行特征的分类，实现对未知 手势的识别。 图 １ 基于 ＳＰＭ⁃ＢｏＦ 算法的支持向量机手势识别框图 Ｆｉｇ． １ Ｔｈｅ ｄｉａｇｒａｍ ｏｆ ｐｏｓｔｕｒｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ ＳＰＭ⁃ ＢｏＦ ａｌｇｏｒｉｔｈｍ ａｎｄ ＳＶＭ ２ ＢｏＦ⁃ＳＩＦＴ 算法提取图像特征 ＢｏＦ⁃ＳＩＦＴ 算法描述手势图像特征分为 ２ 个步 骤：１）检测图像特征点并生成特征点的 ＳＩＦＴ 描述子 的特征向量形式；２）利用 Ｋ⁃ｍｅａｎｓ 算法对所有手势 图像的 ＳＩＦＴ 特征进行向量聚类，用聚类中心建立视 觉词汇表，通过统计每张手势图像的视觉词汇表直 方图作为手势图像的特征表示。 ２．１ 检测图像关键点并生成关键点的 ＳＩＦＴ 描述子 尺度不变特征变换（ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓ⁃ ｆｏｒｍ， ＳＩＦＴ） 是 Ｄ． Ｇ． Ｌｏｗｅ 在 ２００４ 年 首 次 提 出 的［９］ 。 ＳＩＦＴ 特征是一种图像的局部特征，该特征对 旋转、尺度、缩放、亮度变化均具有不变性。 获取该 特征主要分为特征点检测与生成特征点 ＳＩＦＴ 描述 符 ２ 个部分。 在特征点检测阶段，Ｄａｖｉｄ 提出的构造 图像尺度空间金字塔的方法将特征点周围的每个像 素的梯度模值和方向定义为： ｍ(ｘ，ｙ) ＝ (Ｌ(ｘ ＋１，ｙ) －Ｌ(ｘ －１，ｙ) ) ２ ＋ (Ｌ(ｘ，ｙ ＋１) －Ｌ(ｘ，ｙ －１) ) ２ （１） θ(ｘ，ｙ) ＝ ａｔａｎ Ｌ(ｘ，ｙ ＋ １) － Ｌ(ｘ，ｙ － １) Ｌ(ｘ ＋ １，ｙ) － Ｌ(ｘ － １，ｙ) （２） 式中：（ｘ，ｙ）为特征点的坐标，Ｌ（ｘ，ｙ）是图像的高斯 卷积。 构造描述子需要计算特征点周围 １６×１６ 图 像块中各像素的梯度模值和方向。 将坐标轴旋转为 关键点的方向，以确保旋转不变性。 将 １６×１６ 图像 块平均分成 １６ 个 ４×４ 的子区域，在每个子区域内 统计每个采样点的梯度方向，并投影到 ８ 个方向上， ·４３０· 智 能 系 统 学 报 第 １０ 卷