一种快速鲁棒的动态人手跟踪方法

摘  要： 介绍了一种基于肤色与手形的动态人手跟踪方法。根据检测过程中所用到的人手基本特征，提出了一种基于色度-饱和度自适应阈值肤色分割与成对几何直方图（PGH）匹配的人手图像检测方法。为了克服跟踪过程中背景色干扰的问题，实现了基于Kalman滤波器的预测跟踪。实验结果表明，该动态人手跟踪方法计算简便、实时性好、跟踪精度高，可应用在大多数复杂场景。
关键词： 肤色概率直方图；成对几何直方图；卡尔曼滤波器
   　随着计算机性能的不断提高和机器视觉领域研究的不断深入，人机交互技术日益成为机器视觉领域的研究热点。基于机器视觉的手势识别作为其重要的研究内容之一，在许多领域有着重要的应用。最近几年，尤其在智能家居以及3D体感游戏领域，手势识别得到了广泛的应用，因此受到越来越广泛的关注。
根据识别特征的不同，手势识别分为基于标记的手势识别和基于裸手的手势识别系统，而裸手手势识别又分为静态手势识别和动态手势识别[1]。目前，基于裸手的动态手势识别是手势识别中最重要的领域[2]，相对于静态手势识别而言，动态手势识别有着更灵活、更广泛的应用。但是人手是一个多关节非刚性物体，在运动过程中会呈现出多种多样的手势形态，在跟踪过程中还会伴有手势遮挡和肤色干扰等情况。所以，如何对人手进行有效的视觉检测与跟踪是实现动态手势识别和理解的关键，也是机器视觉机和人机交互领域中一个富有挑战的重要课题。
1 相关工作
　按照运动目标跟踪策略的不同，对于动态人手跟踪可以分为基于模型和基于表象两种方法。
　基于表象的方法又叫非模型跟踪方法，它可细分为基于区域的跟踪、基于活动轮廓[3]以及基于其他图像特征的跟踪方法[4]。该方法的优点是实时性较好，但由于所跟踪特征很容易受遮挡或光线条件变化等外界因素的干扰，难以保证鲁棒性。基于模型的方法要对跟踪目标建立特征模型，通过比较观测和预测数据来修正模型中的参数。该类方法性能的实现依赖于初始化过程，如果初始化合理，即可达到精确的估计。同时该类方法还面临着高维空间中搜索的难题，如采用粒子滤波器跟踪人手运动，当状态空间维数过高时，需要大量的粒子来估计高维空间中的概率分布。因此这种方法计算复杂度高、计算量较大，很难保证实时性。
针对以上问题，提出了一种快速鲁棒的人手检测与跟踪算法，在背景相对复杂、存在类肤色干扰的情况下，该方法也能够有效地对动态人手进行实时跟踪。具体框图如图1所示。