用于手势识别系统的肤色图像后处理方法研究

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (10): 2483-2488.

用于手势识别系统的肤色图像后处理方法研究

王任大¹, 尹勇¹, 邢胜伟²

1.大连海事大学航海动态仿真和控制实验室,大连 116026;
2.大连海事大学航海学院,大连 116026

收稿日期:2015-06-14 修回日期:2015-07-30 出版日期:2015-10-08 发布日期:2020-08-07
作者简介:王任大(1984-),男,辽宁沈阳人,博士,讲师,研究方向为航海动态仿真与控制;尹勇(1969-),男,湖北十堰人,博士,教授,博导,研究方向为航海动态仿真与控制;邢胜伟(1982-),男,河北邯郸人,博士,讲师,研究方向为智能运输系统的理论与技术。
基金资助:
863课题(2015AA016404)

Research on Skin Color Image Post-processing Methods for Gesture Recognition System

Wang Renda¹, Yin Yong¹, Xing Shengwei²

1. Key Laboratory of Marine Dynamic Simulation & Control for Ministry of Communications, Dalian Maritime University, Dalian 116026, China;
2. Navigation College, Dalian Maritime University, Dalian 116026, China

Received:2015-06-14 Revised:2015-07-30 Online:2015-10-08 Published:2020-08-07

摘要/Abstract

摘要： 提出了一种适用于基于视觉的手势识别系统的肤色区域图像后处理方法。针对手势识别系统中人脸与人手经常同时在图像帧中出现的问题,对基于Haar-like模板的AdaBoost人脸检测器的训练流程和组合方案进行了研究,并提出了一种融合肤色信息的人脸区域快速剔除方法。针对肤色区域图像中的噪声干扰问题,提出了椒盐噪声抑制和类肤色区域剔除方法。测试结果表明,上述方法能够在基本保持检测率不变的前提下大幅度提升人脸检测速度,且能够使后续手姿识别步骤的识别正确率得到显著的提升。

关键词: 手势识别, 皮肤检测, 人脸检测, 噪声抑制

Abstract: Skin color region image post-processing methods suitable for gesture recognition system based on computer vision was proposed. To solve the problem of face and hand often occur simultaneously in the image frame, the training process and grouping strategy of AdaBoost face detector based on Haar-like template were studied, and a rapid culling method of face region based on fusion of color information was proposed. To reduce the influence of noise in skin color region image, impulse noise suppression and skin-like region rejection was proposed. The test results have shown that the proposed methods can greatly speed up the face detection process under the premise of detection accuracy almost remaining unchanged, and significantly improve the accuracy of subsequent hand posture recognition steps.

Key words: gesture recognition, skin detection, face detection, noise suppression

中图分类号:

TP391.9

王任大, 尹勇, 邢胜伟. 用于手势识别系统的肤色图像后处理方法研究[J]. 系统仿真学报, 2015, 27(10): 2483-2488.

Wang Renda, Yin Yong, Xing Shengwei. Research on Skin Color Image Post-processing Methods for Gesture Recognition System[J]. Journal of System Simulation, 2015, 27(10): 2483-2488.

参考文献

[1] Dehai Z, Da D, Jin L, et al.A PCA-based face recognition method by applying fast fourier transform in pre-processing [C]// 3rd International Conference on Multimedia Technology (ICMT-13). Guangzhou, China: Atlantis Press, 2013.
[2] 王婧瑶, 许勇, 曹本希, 等. 基于主成分分析的超声人脸识别算法研究[J]. 计算机工程与设计, 2013, 34(8): 2867-2871.
[3] 李康顺, 李凯, 张文生. 一种基于改进 BP 神经网络的 PCA 人脸识别算法[J]. 计算机应用与软件, 2014, 31(1): 158-161.
[4] Huang S Y, Lin C J.Using neural networks with differential evolution learning for face recognition[C]// Computer, Consumer and Control (IS3C), 2014 International Symposium on. USA: IEEE, 2014: 376-379.
[5] 陈海涛. 基于SVM 的多姿态人脸检测方法研究 [D]. 广州: 广东工业大学, 2013.
[6] Kumar S, Kar A, Chandra M.SVM based adaptive Median filter design for face detection in noisy images[C]// Signal Processing and Integrated Networks (SPIN), 2014 International Conference on. USA: IEEE, 2014: 695-698.
[7] Cheng Y F, Tang H, Chen X Q.Research and improvement on HMM-based face recognition[J]. Applied Mechanics and Materials (S1660-9336), 2014, 490(4): 1338-1341.
[8] Joshi P, Deshmukh S S.2D-DCT HMM based approach for face recognition[J]. International Journal of Innovative Research and Development (S2278-0211), 2014, 3(6): 509-513.
[9] Wang G, Deng J, Zhou D.Face detection technology research based on AdaBoost algorithm and haar features[M]// Unifying Electrical Engineering and Electronics Engineering. Germany: Springer, 2014: 1223-1231.
[10] 江伟坚, 郭躬德, 赖智铭. 基于新Haar-like 特征的 Adaboost 人脸检测算法[J]. 山东大学学报 (工学版), 2014, 44(2): 43-48.
[11] Kimura M, Matai J, Jacobsen M, et al. A low-power Adaboost-based object detection processor using Haar-like features[C]// Consumer Electronics Berlin (ICCE-Berlin), 2013. IEEE Third International Conference on. USA: IEEE, 2013: 203-206.

[1]	敖邦乾, 杨莎, 令狐金卿, 叶振环. 基于级联神经网络疲劳驾驶检测系统设计[J]. 系统仿真学报, 2022, 34(2): 323-333.
[2]	徐胜, 冯文宇, 刘志诚, 涂鑫涛, 费敏锐, 张堃. 基于机器视觉的复杂环境下精确手势识别算法研究[J]. 系统仿真学报, 2021, 33(10): 2460-2469.
[3]	薛艳萍, 王学松, 武仲科, 王醒策, 周明全. Myo手势识别方法在古建筑漫游系统中的应用[J]. 系统仿真学报, 2019, 31(9): 1907-1915.
[4]	谷学静, 张凯峰, 郭宇承, 王志良. 基于Unity3D的ASD儿童认知教育系统设计与实现[J]. 系统仿真学报, 2019, 31(5): 893-900.
[5]	王远明, 张珺, 秦远辉, 柴秀娟. 基于多特征融合的指挥手势识别方法研究[J]. 系统仿真学报, 2019, 31(2): 346-352.
[6]	袁鹏, 金鑫, 李晓东, 赵耿, 吴亚明, 马铭鑫, 田玉露, 陈迎亚. 基于随机子图表示的云环境人脸图像隐秘检测[J]. 系统仿真学报, 2016, 28(9): 2195-2200.
[7]	蔡芝蔚, 吴淑燕, 宋俊锋. 基于SVM和组合优化模型的手势识别[J]. 系统仿真学报, 2016, 28(8): 1812-1817.
[8]	陶则恩, 普园媛, 徐丹, 刘屹位. 数码人像照片美感评价研究[J]. 系统仿真学报, 2016, 28(10): 2298-2303.
[9]	张晓丽, 姚俊峰, 黄萍. 基于Kinect的实时360度虚拟试衣[J]. 系统仿真学报, 2016, 28(10): 2378-2385.
[10]	董恩增, 闫胜旭, 佟吉钢. 基于主动视觉的人脸检测与跟踪算法研究[J]. 系统仿真学报, 2015, 27(5): 973-979.
[11]	毛雁明, 章立亮. 基于Kinect深度信息的手势分割与识别[J]. 系统仿真学报, 2015, 27(4): 830-835.
[12]	金遥力, 王世亮, 徐岗, 胡维华, 王毅刚. 复杂背景下发型轮廓的自动提取方法[J]. 系统仿真学报, 2015, 27(10): 2305-2309.