2.2静态手势识别 1、手势分割和检测 /96 ·静态手势的分割和检测主要利用手的表观特性， 肤色分割是最常用的手势分割方法： 根据颜色空间的不同，分为RGB空间的肤色检测、 YUV空间的肤色检测、YCbCr3空间的肤色检测、HSV 空间的肤色检测； ·算法： √基于高斯概率分布的YCbCr肤色检测模型 √基于面部减法和轮廓检测的静态手势检测 电子州做女草 电子科技大学信息与通信工程学院 2019/10/19
电子科技大学 宽带通信网络实验室 信息与通信工程学院 11 2019/10/19 2.2静态手势识别 • 静态手势的分割和检测主要利用手的表观特性， 肤色分割是最常用的手势分割方法； • 根据颜色空间的不同，分为RGB空间的肤色检测、 YUV空间的肤色检测、YCbCr空间的肤色检测、HSV 空间的肤色检测； • 算法： 基于高斯概率分布的YCbCr肤色检测模型 基于面部减法和轮廓检测的静态手势检测 1、手势分割和检测
基于高斯概率分布的YCbCr肤色检测模型 算法思想： 利用皮肤的像素范围，进行初步筛选，去除大部分背景，之后对剩余 像素点构造高斯概率函数，去除与皮肤颜色相近的背景色。 R 0.3≤ ≤0.7 算法流程： R+G+B Step1.对输入RGB图像像素进行筛选，筛选出满足公式的像素点)0.25≤ G ≤0.4245 R+G+B Step2.将剩余像素点的RGB图像转换成YCbCrj颜色空间的数据： R>G Y=0.299R+0.587G,+0.114B R>B Cb=0.564B-Y) Cr=0.713(R-Y) Cb=1 ∑Cb N Step3.记每一个像素点的像素向量为x=(Cb,c),计算均值： 将结果记为均值向量“=(Cb,Cr) Step4.计算协方差： Sep5.计算每个像素点对应为肤色的概率：✉2xE-)
基于高斯概率分布的YCbCr肤色检测模型 • 算法思想： 利用皮肤的像素范围，进行初步筛选，去除大部分背景，之后对剩余 像素点构造高斯概率函数，去除与皮肤颜色相近的背景色。 • 算法流程： Step1.对输入RGB图像像素进行筛选，筛选出满足公式的像素点 Step2.将剩余像素点的RGB图像转换成YCbCr颜色空间的数据： Step3.记每一个像素点的像素向量为 , 计算均值： 将结果记为均值向量 Step4.计算协方差： Step5.计算每个像素点对应为肤色的概率： 0.3 0.7 0.25 0.4245 R R G B G R G B R G R B 0.299 0.587 0.114 0.564( ) 0.713( ) i i i i i i i i i i Y R G B Cb B Y Cr R Y ( , ) xi i i Cb Cr 1 1 1 1 N i i N i i Cb Cb N Cr Cr N μ ( , ) Cb Cr 1 1 ( )( ) 1 N T i i N i x μ x μ 1 1/2 1 1 ( | ) exp ( ) ( ) 2 2 T P skin x x x