公开(公告)号：CN104866826B

公开(公告)日：2019-01-15

申请号：CN201510254132.1

申请日：2015-05-17

Applicant: 华南理工大学

Inventor： 李兆海 ,  徐向民 ,  青春美 ,  倪浩淼 ,  黄爱发

IPC: G06K9/00

Abstract: 本发明公开一种基于KNN和像素比梯度特征的静态手语识别方法。该方法包括：步骤1：拍摄彩色图像；步骤2：基于图像的颜色特征对图像进行二值化；步骤3：基于图像的形状特征定位手的位置，并分割出来；步骤4：对分割后的图像进行归一化；步骤5：提取图像的像素比和梯度特征作为图像的特征向量；步骤6：计算输入的特征向量与标准手语图像特征库的欧氏距离；步骤7：基于KNN算法确定最佳匹配结果；步骤8：将识别结果输出。本发明结合了图像颜色特征、形状特征和像素比梯度特征，并且利用了KNN算法来进行特征匹配，提高了识别率和对不同环境的适应性，而且算法相对较简单，复杂度低，系统运行速度快，设备成本低廉。

公开(公告)号：CN104866826A

公开(公告)日：2015-08-26

申请号：CN201510254132.1

申请日：2015-05-17

Applicant: 华南理工大学

Inventor： 李兆海 ,  徐向民 ,  青春美 ,  倪浩淼 ,  黄爱发

IPC: G06K9/00

CPC classification number: G06K9/00355

Abstract: 本发明公开一种基于KNN和像素比梯度特征的静态手语识别方法。该方法包括：步骤1：拍摄彩色图像；步骤2：基于图像的颜色特征对图像进行二值化；步骤3：基于图像的形状特征定位手的位置，并分割出来；步骤4：对分割后的图像进行归一化；步骤5：提取图像的像素比和梯度特征作为图像的特征向量；步骤6：计算输入的特征向量与标准手语图像特征库的欧氏距离；步骤7：基于KNN算法确定最佳匹配结果；步骤8：将识别结果输出。本发明结合了图像颜色特征、形状特征和像素比梯度特征，并且利用了KNN算法来进行特征匹配，提高了识别率和对不同环境的适应性，而且算法相对较简单，复杂度低，系统运行速度快，设备成本低廉。

公开(公告)号：CN104866825A

公开(公告)日：2015-08-26

申请号：CN201510254121.3

申请日：2015-05-17

Applicant: 华南理工大学

Inventor： 倪浩淼 ,  徐向民 ,  裘索 ,  黄爱发 ,  李兆海

IPC: G06K9/00

CPC classification number: G06K9/00355

Abstract: 本发明公开一种基于Hu矩的手语视频帧序列分类方法，包括以下步骤：步骤1：获取待识别的手语视频；步骤2：对该手语视频进行帧采样，获得帧序列；步骤3：将彩色图像的帧序列转换为二值图像的帧序列；步骤4：将手部与背景分割；步骤5：提取分割后的手部图像的Hu矩得到手部图像的特征向量；步骤6：计算每一帧与前一帧的特征向量之间的欧式距离，判决，贴数字标签，进行初步分类。步骤7：根据标签进行帧序列进一步分类，去除过渡动作帧，顺序输出分类后的标签序列。本发明计算复杂度较低，且对于手语图像的旋转、缩放和平移具有很好的鲁棒性，可直接应用于手语视频识别系统。

公开(公告)号：CN104866825B

公开(公告)日：2019-01-29

申请号：CN201510254121.3

申请日：2015-05-17

Applicant: 华南理工大学

Inventor： 倪浩淼 ,  徐向民 ,  裘索 ,  黄爱发 ,  李兆海

IPC: G06K9/00

Abstract: 本发明公开一种基于Hu矩的手语视频帧序列分类方法，包括以下步骤：步骤1：获取待识别的手语视频；步骤2：对该手语视频进行帧采样，获得帧序列；步骤3：将彩色图像的帧序列转换为二值图像的帧序列；步骤4：将手部与背景分割；步骤5：提取分割后的手部图像的Hu矩得到手部图像的特征向量；步骤6：计算每一帧与前一帧的特征向量之间的欧式距离，判决，贴数字标签，进行初步分类。步骤7：根据标签进行帧序列进一步分类，去除过渡动作帧，顺序输出分类后的标签序列。本发明计算复杂度较低，且对于手语图像的旋转、缩放和平移具有很好的鲁棒性，可直接应用于手语视频识别系统。

公开(公告)号：CN104866824A

公开(公告)日：2015-08-26

申请号：CN201510254098.8

申请日：2015-05-17

Applicant: 华南理工大学

Inventor： 黄爱发 ,  徐向民 ,  邢晓芬 ,  李兆海 ,  倪浩淼

IPC: G06K9/00

CPC classification number: G06K9/00355

Abstract: 本发明公开一种基于Leap Motion的手语字母识别方法。本发明通过深度摄像头Leap Motion装置获取手的手掌和手腕骨骼关节点3D坐标信息；对获取的3D坐标信息进行相关计算得到手的关节的弯曲角度信息，然后通过对角度信息进行特征处理，分别获得手型特征信息和手腕弯曲程度的特征信息；对获得的特征信息计算与模板的欧拉距离根据最大概率的近邻准则和连续帧流结果相一致原则，识别出手语字母。所述方法有效的实现快速识别汉语手语字母的目标，并且各个手语字母基元相对独立，识别手语字母的连续性序列可以实时识别手语。本发明能够实时对基于手语字母的手语进行识别，方便聋哑人利用该可穿戴设备与他人进行有效的沟通交流。