黃沛昱 黃 嶺 袁素真

(重慶郵電大學(xué)光電工程學(xué)院 重慶 400065)

0 引 言

近年來，計(jì)算機(jī)技術(shù)的發(fā)展日新月異，新一代的人機(jī)交互(Human-Computer Interface，HCI)與虛擬現(xiàn)實(shí)系統(tǒng)出現(xiàn)在了人們的日常生活中。手勢(shì)作為一種自然直觀、無需中間媒介的交互方式，對(duì)其跟蹤與識(shí)別越來越成為國內(nèi)外計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)[1]。

手勢(shì)分割是手勢(shì)識(shí)別的前提和基礎(chǔ)，其分割效果的好壞直接影響下一步手勢(shì)識(shí)別的結(jié)果[2]。因此，手勢(shì)分割是手勢(shì)識(shí)別系統(tǒng)中極為關(guān)鍵的處理步驟。手勢(shì)分割就是將手勢(shì)作為前景與背景進(jìn)行分離，從手勢(shì)分割技術(shù)的實(shí)現(xiàn)上來看，手勢(shì)分割方法主要為：模板檢測(cè)、AdaBoost分類器檢測(cè)、膚色檢測(cè)等[3-4]。由于膚色不隨手的姿勢(shì)、大小、方向的改變而改變，且膚色檢測(cè)運(yùn)算量小，適用于快速手勢(shì)分割，同時(shí)也便于與其他算法相結(jié)合提高分割效果。因此，膚色檢測(cè)在手勢(shì)分割中有很大的通用性。

目前常用于膚色模型的色彩空間包括RGB空間、YUV空間、YIQ空間及YCbCr空間等[5]，但一些事實(shí)證明，以上方法在檢測(cè)準(zhǔn)確率和魯棒性上難以達(dá)到要求[6]。為解決上述問題，文獻(xiàn)[7]中利用深度圖像設(shè)備進(jìn)行手勢(shì)分割，分析深度圖像的不同閾值，從而計(jì)算手勢(shì)在圖像中的位置，但深度圖像設(shè)備價(jià)格成本高昂無法普及。文獻(xiàn)[8]中利用兩個(gè)CNN網(wǎng)絡(luò)進(jìn)行分割訓(xùn)練，再通過網(wǎng)絡(luò)得到手勢(shì)分割結(jié)果，但多個(gè)CNN網(wǎng)絡(luò)對(duì)硬件設(shè)備要求較高，易對(duì)后續(xù)識(shí)別工作造成運(yùn)算負(fù)擔(dān)。文獻(xiàn)[9]中利用AdaBoost算法對(duì)人臉區(qū)域進(jìn)行檢測(cè)，然后利用人臉區(qū)域的膚色自適應(yīng)獲得整幅圖的膚色范圍，但對(duì)于與膚色一致的背景無法很好地分割。文獻(xiàn)[10]中利用膚色與運(yùn)動(dòng)相結(jié)合分割出手勢(shì)，但該算法對(duì)于靜態(tài)手勢(shì)分割效果較差，適用面較低。文獻(xiàn)[11]中利用膚色得到手勢(shì)區(qū)域及質(zhì)心位置，再利用分水嶺算法分割出手勢(shì)，但算法復(fù)雜度較高，處理時(shí)間較長。

針對(duì)傳統(tǒng)分割方法設(shè)備相對(duì)昂貴，易受到復(fù)雜類膚色背景干擾，分割速度不足等問題，本文提出一種使用單目視覺圖像且具有較高準(zhǔn)確度和分割速度的基于膚色質(zhì)心與邊緣自生長的手勢(shì)分割算法。

1 算法介紹

基于膚色質(zhì)心與邊緣自生長的手勢(shì)分割算法主要步驟為手勢(shì)區(qū)域提取、區(qū)域內(nèi)邊緣檢測(cè)及邊緣自生長補(bǔ)全、手勢(shì)分割，算法流程如圖1所示。

圖1 算法流程

1) 在單目視覺條件下采集圖像數(shù)據(jù)并檢測(cè)膚色區(qū)域。

2) 利用連通域去除其他較小的膚色塊并完成手勢(shì)區(qū)域定位。

3) 檢測(cè)手勢(shì)區(qū)域內(nèi)邊緣并利用自生長算法對(duì)邊緣進(jìn)行補(bǔ)全。

4) 將2)、3)中結(jié)果差分運(yùn)算并去除類膚色背景完成分割。

2 手勢(shì)區(qū)域提取

2.1 基于YCbCr空間的膚色分割

膚色檢測(cè)模型對(duì)亮度敏感度高，YCbCr空間中圖像亮度與其他信息相互分離，減少亮度對(duì)其他顏色分量的影響，因此YCbCr空間是最適合膚色圖像區(qū)域分割的顏色空間[12]。RGB空間與YCbCr空間的轉(zhuǎn)換公式如式(1)所示。

(1)

在YCbCr空間中，人體膚色會(huì)有一個(gè)明顯的類聚現(xiàn)象，通過文獻(xiàn)查詢以及實(shí)驗(yàn)驗(yàn)證，人體膚色在YCbCr空間中最合適的分割閾值為：133

圖2 原圖 圖3 膚色區(qū)域圖像

2.2 連通域計(jì)算

膚色模型從原圖片中篩選出的膚色區(qū)域并不能準(zhǔn)確代表手勢(shì)區(qū)域，還需要將一些類膚色的干擾區(qū)域去除。膚色檢測(cè)的過程中，人手所占的區(qū)域最大，所以，將膚色分割后的圖片中最大區(qū)域塊提取出來，就是手勢(shì)識(shí)別中人手所在的區(qū)域。且膚色處理后的圖像為二值圖像，因此使用連通域標(biāo)記的方式進(jìn)行篩選。

對(duì)于可識(shí)別的人手，其經(jīng)過膚色檢測(cè)后還是一個(gè)完整的圖形，都是由多像素聚集形成，不存在小區(qū)域連接，所以此時(shí)選擇四連通域標(biāo)記完成對(duì)手勢(shì)區(qū)域的粗分割，分割效果如圖4所示。

圖4 經(jīng)連通域處理后的手勢(shì)

2.3 Hu矩質(zhì)心計(jì)算

對(duì)初步分割后的二值圖進(jìn)行Hu矩[14]計(jì)算，再由Hu矩特征值計(jì)算前景圖像的質(zhì)心坐標(biāo)，圖像函數(shù)f(x,y)的幾何矩計(jì)算公式如式(2)和式(3)所示。

(2)

(3)

2.4 手勢(shì)區(qū)域提取

手勢(shì)分割算法的最終目的是分割出手勢(shì)部分，所以對(duì)于邊緣的尋找只需要在人手所在區(qū)域進(jìn)行就能達(dá)到目的，同時(shí)這種方式將去除大量冗余計(jì)算，大大降低后續(xù)處理的時(shí)間。

圖5 手勢(shì)區(qū)域邊界計(jì)算

判定條件：

(4)

(5)

(6)

(7)

3 膚色與類膚色區(qū)域分割

為去除可能存在于手勢(shì)后方的類膚色背景，還需要對(duì)劃定區(qū)域內(nèi)圖像進(jìn)行邊緣檢測(cè)，找出人手邊緣并去除非人手部分，且在邊緣檢測(cè)前先對(duì)劃定區(qū)域內(nèi)圖像進(jìn)行濾波以降低噪聲對(duì)邊緣定位的影響。

3.1 改進(jìn)的中值濾波算法去除圖像噪聲

傳統(tǒng)中值濾波的濾波窗口每次滑動(dòng)都會(huì)保留部分舊數(shù)據(jù)[15]，并重復(fù)對(duì)舊數(shù)據(jù)進(jìn)行比較，增加了算法的運(yùn)算量，而改進(jìn)的中值濾波算法就是將上次窗口的比較結(jié)果保留并運(yùn)用到本次濾波窗口中，從而降低算法運(yùn)算量，提高單次濾波速度。

設(shè)窗口內(nèi)像素組成的矩陣為：

(8)

對(duì)窗口內(nèi)的每一列都分別進(jìn)行排序，找到每一列像素的中值，即a11～an1的中間值m1，a12～an2的中間值m2,…,a1n～ann的中間值mn，并將這些新的中值存入一個(gè)數(shù)列Xm，即Xm=[m1，m2，…，mn]，再求得數(shù)列Xm的中值m，則m就是整個(gè)矩陣的近似中值。

濾波窗口每次向右滑動(dòng)時(shí)均會(huì)丟棄左邊一列像素并在右邊加入新的一列像素，在每次移動(dòng)窗口的同時(shí)將數(shù)列Xm的值同時(shí)左移一位，最右邊補(bǔ)充新一列像素的中值。假如對(duì)分辨率為m×n的圖像使用N×N的濾波窗口進(jìn)行濾波，傳統(tǒng)中值算法最壞需要[(N2-1)N2/2]×m×n次比較，而改進(jìn)后的算法最壞僅需要[(N-1)N/2]×(2n+2)×m次比較，約為傳統(tǒng)運(yùn)算量的2/(N+1)N，若窗口為3×3，則約為傳統(tǒng)運(yùn)算量的17%。

3.2 八鄰域算子邊緣檢測(cè)

傳統(tǒng)差分算子計(jì)算梯度只計(jì)算水平x軸方向和垂直y軸方向[16-17]，即四鄰域梯度，為進(jìn)一步改善邊緣檢測(cè)效果，在Sobel算子的基礎(chǔ)上增加45°、135°方向的算子，各方向算子模板如圖6所示。

圖6 邊緣檢測(cè)模板

以圖6中的模板為窗口分別對(duì)關(guān)鍵位置的灰度值進(jìn)行卷積操作，分別計(jì)算各個(gè)方向的梯度值，其計(jì)算公式如式(9)-式(12)所示。

Gx(i,j)={[I(i+1,j-1)+2I(i+1,j)+I(i+1,j+1)]-

[I(i-1,j-1)+2I(i-1,j)+I(i-1,j+1)]}

(9)

Gy(i,j)={[I(i-1,j+1)+2I(i,j+1)+I(i+1,j+1)]-

[I(i-1,j-1)+2I(i,j-1)+I(i+1,j-1)]}

(10)

G45(i,j)={[I(i,j+1)+2I(i+1,j+1)+I(i+1,j)]-

[I(i-1,j)+2I(i-1,j-1)+I(i,j-1)]}

(11)

G135(i,j)={[I(i-1,j)+2I(i-1,j+1)+I(i,j+1)]-

[I(i,j-1)+2I(i+1,j-1)+I(i+1,j)]}

(12)

式中：I表示該點(diǎn)的像素值。

當(dāng)?shù)玫?個(gè)方向的梯度值后，利用坐標(biāo)投影原理將梯度合成在水平垂直兩個(gè)方向上，其計(jì)算方式如式(13)、式(14)所示。

GX(i,j)=Gx(i,j)+G45(i,j)cos45°+G135(i,j)cos135°=

(13)

GY(i,j)=Gy(i,j)+G45(i,j)sin45°+G135(i,j)sin135°=

(14)

將上述計(jì)算結(jié)果代入式(15)、式(16)計(jì)算出當(dāng)前像素點(diǎn)灰度值的梯度幅值G(i,j)和梯度角度θ(i,j)。

(15)

(16)

以上述方法改進(jìn)后的梯度計(jì)算方式充分考慮了各個(gè)方向的梯度，使得梯度計(jì)算更加準(zhǔn)確，同時(shí)進(jìn)行非極大值抑制時(shí)也可以直接利用梯度計(jì)算，而不需要進(jìn)行內(nèi)插值計(jì)算。

計(jì)算出梯度幅度和角度后，直接使用傳統(tǒng)canny邊緣檢測(cè)中的非極大值抑制，利用梯度角度確定邊緣方向，只保留該方向上的極大值，將邊緣由粗變細(xì)便于后續(xù)處理。閾值化時(shí)利用OTSU法確定，canny高閾值使用最大類間方差，低閾值取高閾值的二分之一[18]。

3.3 邊緣自生長

邊緣檢測(cè)算法檢測(cè)出來的邊緣會(huì)因?yàn)楣饩€照射不均勻、閾值選擇不恰當(dāng)?shù)仍驅(qū)е缕洚a(chǎn)生斷裂[19]，若斷裂部位剛好在需要分割掉的類膚色區(qū)域處，會(huì)導(dǎo)致邊緣檢測(cè)算法不起作用。針對(duì)邊緣斷裂的情況，本文提出一種邊緣自生長算法，算法在區(qū)域內(nèi)搜索邊緣斷裂點(diǎn)，若在一定半徑的范圍內(nèi)存在距離最短的兩個(gè)斷裂點(diǎn)，則對(duì)其進(jìn)行直連，即填充兩點(diǎn)間的部分像素，完成對(duì)斷裂邊緣的生長。算法的實(shí)現(xiàn)步驟如下：

步驟1全局掃描判定斷裂點(diǎn)。

對(duì)二值化邊緣圖像T整個(gè)圖像使用3×3大小的窗口進(jìn)行遍歷取值：

(17)

遍歷方式為從左到右、從上到下，步進(jìn)為1，經(jīng)非極大值抑制后的邊緣可能存在的邊緣斷裂點(diǎn)像素分布如圖7所示，由圖可知，當(dāng)w(i,j)=1時(shí)，開始判定該點(diǎn)是否為斷裂點(diǎn)。

圖7 可能存在的斷裂點(diǎn)處像素分布

當(dāng)矩陣w的和S(w)=2時(shí)，直接判定為斷裂點(diǎn)；

當(dāng)S(w)=3時(shí)，判定條件為：

(18)

式中：S(w2n)為矩陣w的第2行和，S(wn1)、S(wn3)分別為矩陣w的第1列和及第3列和，S(wn2)為矩陣w的第2列和，S(w1n)、S(w3n)分別為矩陣w的第1行和及第3行和。

當(dāng)w矩陣滿足上述斷裂點(diǎn)判斷條件時(shí)，即存在斷裂點(diǎn)a(xa,ya)=w(i,j)，進(jìn)入步驟2；否則移動(dòng)窗口，w重新取值，在步驟1中繼續(xù)判定，直至完成整個(gè)窗口的遍歷，進(jìn)入步驟4。

步驟2設(shè)定半徑R內(nèi)搜尋另一斷裂點(diǎn)。

因?yàn)榇翱趙遍歷順序?yàn)閺纳系较拢仕阉鲾嗔腰c(diǎn)周圍另一斷裂點(diǎn)時(shí)可以不用搜索該點(diǎn)的上方。以r=(xb+yb)為半徑的圓形依次向外進(jìn)行搜索，b點(diǎn)坐標(biāo)表示為：

(19)

以b點(diǎn)為中心得到3×3矩陣w′，搜索半徑為r時(shí)，當(dāng)半徑為r的類圓弧上存在滿足步驟1中判定條件的w′時(shí)，即存在另一斷裂點(diǎn)，且它為最小距離點(diǎn)b(xb,yb)=w(i′,j′)，進(jìn)入步驟3；否則不存在另一斷裂點(diǎn)，返回步驟1并移動(dòng)窗口。

步驟3邊緣自生長。

對(duì)斷裂處的兩端，即a(xa,ya)、b(xb,yb)兩點(diǎn)進(jìn)行最短距離連接。首先計(jì)算a、b兩點(diǎn)行列值的差值xab、yab:

(20)

由遍歷方式可知xab≥0，當(dāng)yab≥0時(shí)，b點(diǎn)位于a點(diǎn)右方，然后比較xab、yab的值，若xab≥yab，令:

(21)

式中：T為二值圖像像素點(diǎn)的值。

若xab

(22)

當(dāng)yab<0時(shí)，b點(diǎn)位于a點(diǎn)左方，比較xab、yab的值，若xab≥|yab|，令:

(23)

若xab<|yab|，令:

(24)

按式(21)-式(24)完成邊緣生長后，返回步驟1并移動(dòng)窗口。

步驟4完成生長并輸出。

進(jìn)入該步驟表明斷裂邊緣已完成自生長修復(fù)，此時(shí)的二值矩陣T即是最終的邊緣圖像，當(dāng)生長半徑R=10時(shí)修復(fù)效果如圖8所示。

圖8 邊緣生長局部效果

4 結(jié)果分析

本文的實(shí)驗(yàn)平臺(tái)為個(gè)人計(jì)算機(jī)，使用MATLAB2016b進(jìn)行仿真，采用三幅分辨率均為640×480的實(shí)拍圖像進(jìn)行驗(yàn)證，其拍攝場(chǎng)景分別為白天室內(nèi)環(huán)境、白天室外環(huán)境和夜晚燈照環(huán)境如圖9(a)所示。為增加干擾，各場(chǎng)景中均存在類膚色背景，且均有部分類膚色背景位于人手后方，場(chǎng)景3中在人手后方設(shè)置了大塊類膚色背景，面積超過人手面積。本文首先利用傳統(tǒng)膚色檢測(cè)實(shí)現(xiàn)了對(duì)手勢(shì)的分割，其分割結(jié)果如圖9(b)所示，然后使用了膚色直接結(jié)合邊緣檢測(cè)的方式實(shí)現(xiàn)對(duì)手勢(shì)的分割，其分割結(jié)果如圖9(c)所示，還使用了文獻(xiàn)[11]的質(zhì)心分水嶺算法(ICWA)，分割結(jié)果如圖9(d)所示，最后是本文算法，其分割結(jié)果如圖9(e所示)，通過對(duì)不同場(chǎng)景下分割結(jié)果的對(duì)比可以看出，本文算法在最終分割效果上相較其他算法均有一定優(yōu)勢(shì)，且能較為完整地分割出手勢(shì)圖像。

圖9 不同背景下各算法處理結(jié)果對(duì)比

對(duì)于膚色檢測(cè)算法而言，當(dāng)背景中存在一定的類膚色背景時(shí)，其并不能準(zhǔn)確地分割出手勢(shì)區(qū)域。而膚色檢測(cè)結(jié)合了邊緣檢測(cè)算法之后雖然能分割掉其他類膚色背景，但對(duì)于手勢(shì)正后方的類膚色區(qū)域卻無法有效分割。對(duì)于文獻(xiàn)[11]的ICWA，其有時(shí)存在過分割現(xiàn)象。而本文算法可以較為準(zhǔn)確地分割出手勢(shì)，其原因在于使用了邊緣自生長算法對(duì)邊緣信息進(jìn)行補(bǔ)全，同時(shí)采用了OTSU和雙閾值，有效地減少了靜態(tài)手勢(shì)分割算法中存在的過分割或者無法完全分割的問題。

算法運(yùn)行時(shí)間與硬件的優(yōu)劣和實(shí)現(xiàn)的環(huán)境關(guān)聯(lián)很大，而膚色檢測(cè)算法是最基礎(chǔ)的算法，其運(yùn)行時(shí)間具有參考性，本文為排除軟硬件影響，以膚色檢測(cè)算法運(yùn)行時(shí)間為基準(zhǔn)，在相同硬件和軟件條件下，計(jì)算各算法運(yùn)行時(shí)間與基準(zhǔn)的比值如圖10所示?？梢钥闯?，本文算法在保證很好分割效果的情況下，運(yùn)行時(shí)間明顯優(yōu)于其他算法，與文獻(xiàn)[9]的ICWA相比速度提高了近一倍。其中，本文算法因?yàn)楹罄m(xù)計(jì)算均在手勢(shì)區(qū)域內(nèi)進(jìn)行，所以處理時(shí)間會(huì)有波動(dòng)，手勢(shì)所占面積越大，處理時(shí)間越長，反之則越短。由圖10易得，人手區(qū)域越小本文算法越有優(yōu)勢(shì)，當(dāng)小于整個(gè)圖像的17%時(shí)，本文算法在速度上甚至比簡單的膚色+邊緣算法更加有優(yōu)勢(shì)。

圖10 各算法運(yùn)行時(shí)間與基準(zhǔn)的比值

手勢(shì)分割算法作為手勢(shì)識(shí)別的前提，為驗(yàn)證本文算法的實(shí)用性和正確性，將本文算法處理后的圖片(像素為28×28)作為輸入數(shù)據(jù)，設(shè)計(jì)了一個(gè)1+2的簡單CNN網(wǎng)絡(luò)進(jìn)行驗(yàn)證。網(wǎng)絡(luò)首先使用20個(gè)核大小為9×9、步長為1的卷積層提取圖像特征并使用ReLU函數(shù)激活，由核為2×2、步長為2的池化層壓縮圖像，再進(jìn)入一層平鋪層和兩層大小為100的全連接層，最后使用Softmax函數(shù)進(jìn)行分類輸出，具體結(jié)構(gòu)如圖11所示。

圖11 CNN網(wǎng)絡(luò)結(jié)構(gòu)

本文用于測(cè)試的手勢(shì)圖像數(shù)據(jù)包括部分sign_language數(shù)據(jù)集和個(gè)人收集的手勢(shì)圖像數(shù)據(jù)，該數(shù)據(jù)集共包含26種靜態(tài)手勢(shì)，但其中部分手勢(shì)相似度較高，而相似手勢(shì)識(shí)別率受CNN網(wǎng)絡(luò)性能影響很大。為排除因網(wǎng)絡(luò)性能而導(dǎo)致的分類錯(cuò)誤，本文從中選出14種相差較大的靜態(tài)手勢(shì)進(jìn)行測(cè)試，共20 585幅圖片，每次訓(xùn)練隨機(jī)從訓(xùn)練集中選擇100幅圖片，共迭代50 000次，訓(xùn)練結(jié)果如圖12所示，其中結(jié)構(gòu)為1+2網(wǎng)格結(jié)構(gòu)，校驗(yàn)數(shù)據(jù)最高識(shí)別率為99.02%。

圖12 CNN網(wǎng)絡(luò)訓(xùn)練識(shí)別率

測(cè)試時(shí)分別使用傳統(tǒng)SHIT算法、ICWA+CNN、本文算法+CNN進(jìn)行測(cè)試，測(cè)試結(jié)果如表1所示。

表1 各算法識(shí)別率與誤據(jù)率對(duì)比(%)

誤據(jù)率的產(chǎn)生是因?yàn)镾IFT算法需要利用特征點(diǎn)進(jìn)行匹配，若出現(xiàn)誤據(jù)則代表匹配不成功，而CNN網(wǎng)絡(luò)是直接進(jìn)行分類輸出，所以不會(huì)有誤據(jù)產(chǎn)生。ICWA有時(shí)會(huì)出現(xiàn)過分割現(xiàn)象，分割出來的手勢(shì)特征缺失，導(dǎo)致識(shí)別率降低。從實(shí)驗(yàn)結(jié)果可以看出，本文算法相較其他算法分割效果較好，能有效提高后續(xù)手勢(shì)識(shí)別的識(shí)別率。

5 結(jié) 語

傳統(tǒng)手勢(shì)分割算法在復(fù)雜背景下難以準(zhǔn)確而又完整地分割出手勢(shì)圖像，本文結(jié)合了膚色與邊緣信息對(duì)手勢(shì)進(jìn)行分割提取。利用膚色模型檢測(cè)手勢(shì)所處區(qū)域，為降低后續(xù)運(yùn)算量及時(shí)間，只在該區(qū)域內(nèi)對(duì)手勢(shì)圖像進(jìn)行后續(xù)的處理。改進(jìn)邊緣檢測(cè)算法，增加斜方向算子，并以邊緣自生長的形式補(bǔ)全邊緣，進(jìn)一步加強(qiáng)分割效果。實(shí)驗(yàn)結(jié)果表明，本文算法能夠快速有效地從復(fù)雜類膚色背景中分割出手勢(shì)圖像，具有一定的實(shí)用性，為后續(xù)手勢(shì)識(shí)別工作奠定了基礎(chǔ)。