王文斌，李 琨

(1.武漢工程大學(xué)郵電與信息工程學(xué)院，湖北 武漢 430073；2.湖北大學(xué)知行學(xué)院，湖北 武漢 430011)

1 引言

目前人機交互方式不斷向著人工智能化發(fā)展，如人臉識別、指紋識別、手勢識別等，其中手勢作為日常肢體語言的表達(dá)形式之一，其包含的信息量巨大，且具有形象和直觀等優(yōu)勢，簡單來說手勢識別就是通過人類肢體動作控制設(shè)備或與設(shè)備溝通的一種方式[1-2]。利用手勢識別方式可減少用戶使用設(shè)備操作步驟，無需與設(shè)備發(fā)生任何物理接觸。此技術(shù)被廣泛應(yīng)用在汽車、醫(yī)療、航天等各個領(lǐng)域。隨著手勢識別的應(yīng)用面越來越廣，研究手勢識別的專家眾多，其中以張哲等人[3]提出的多層卷積特征的手勢識別方法和田元等人[4]提出的基于Kinect的實時手勢識別方法使用范圍最為廣泛。前者利用深度學(xué)習(xí)神經(jīng)網(wǎng)搭建識別框架，利用支持向量機算法實現(xiàn)手勢特征識別，由于手勢圖像特征貢獻(xiàn)率不同，導(dǎo)致淺層特征無法識別，因此識別效果不理想。后者以手勢復(fù)雜背景為出發(fā)點，使用體感設(shè)備完成手勢識別，由于體感設(shè)備移動性較差，因此該方法僅適用于無需設(shè)備移動場合。

針對上述情況，本文利用特征跟蹤可有效獲取目標(biāo)靜、動態(tài)特征的優(yōu)勢，以手勢特征跟蹤為出發(fā)點，對基于特征跟蹤的人機交互多點手勢識別展開仿真。

2 基于特征跟蹤的人機交互多點手勢識別

2.1 多點手勢特征提取

手勢特征提取時，識別信息源是關(guān)鍵。本文將高斯曲率應(yīng)用于手勢識別信息源，利用高斯曲率展示手勢識別信息源的內(nèi)在多點特征[5]，且不受信息外在特征影響。多點手勢特征提取流程如圖1所示。

圖1 手勢特征提取流程

2.1.1 手勢圖像預(yù)處理

由于手勢圖像在人機交互過程中受紅外光反射以及交互環(huán)境影響，存在大量噪聲，因此在提取手勢圖像多點特征之初，需對手勢圖像進行噪聲干擾去除[6]，本文利用濾波去除手勢圖像噪聲，并利用歸一化方法將該手勢圖像轉(zhuǎn)換為灰度圖像和距離直方圖，在手勢距離直方圖內(nèi)，手勢區(qū)域和圖像背景區(qū)域深度數(shù)值不同，因此使用深度閾值方式對手勢圖像展開濾波，手勢圖像深度數(shù)值表達(dá)公式如下

(1)

上述公式中，(i，j)表示手勢圖像深度點坐標(biāo)，Depth(i，j)則表示該手勢圖像深度點坐標(biāo)位置的深度數(shù)值，thr代表手勢濾波過程中所設(shè)置的閾值，本文令閾值為900。利用式(1)計算得到的數(shù)值，使用圖像積分方法實現(xiàn)手勢圖像濾波。

由于距離直方圖內(nèi)的深度值是相對距離數(shù)據(jù)，不由實際距離表達(dá)，因此需使用世界坐標(biāo)的表達(dá)方式表示距離直方圖內(nèi)的深度圖像從而獲取其點云信息[7]。

令距離直方圖內(nèi)深度像素點為P，深度數(shù)值由draw表示，該像素點的坐標(biāo)則由(i，j)表示，該像素點的深度濾波表達(dá)公式如下

d=Depth(i，j)·tan(draw)

(2)

將距離直方圖內(nèi)像素點的深度值轉(zhuǎn)換為三維空間坐標(biāo)，由(x，y，z)表示，其表達(dá)公式如下

(3)

上述公式中，b表示手勢圖像的寬度，h表示手勢圖像的高度。

利用式(2)與式(3)獲取距離直方圖內(nèi)手勢深度的點云信息。

2.1.2 圖像曲面擬合

使用最小二乘方法對手勢圖像展開擬合，該方法在計算手勢圖像曲率時，單項式的曲面擬合基函數(shù)若符合線性無關(guān)條件則其表達(dá)手勢信息更加全面與精準(zhǔn)。曲面擬合表達(dá)式如下

(4)

上述式中，pi(x)、ai(x)分別表示擬合曲率的基函數(shù)和多項式系數(shù)向量，基函數(shù)所涵蓋的單項式數(shù)量由n表示，擬合次數(shù)由T表示。

設(shè)置加權(quán)擬合誤差能量表達(dá)式是計算基函數(shù)的多項式系數(shù)向量的首要條件，那么定義的加權(quán)擬合誤差能量表達(dá)式如下

(5)

上述公式中，ω表示手勢圖像利用加權(quán)擬合誤差能量函數(shù)完成曲面多點擬合后的圖像深度數(shù)值[8]，本文利用高斯型加權(quán)函數(shù)，通過計算該函數(shù)駐點最低數(shù)值獲取系數(shù)向量，而手勢多點特征則為高斯曲率，高斯曲率表達(dá)公式如下

(6)

上述公式中，字母u的下角標(biāo)x和y分別表示函數(shù)的一階微分算子，xx和yy分別表示函數(shù)的二階算子。通過計算手勢圖像的高斯曲率數(shù)值，利用高斯曲率絕對值描述手勢圖像內(nèi)手指區(qū)域和手指彎曲情況。

由于手勢圖像的曲面構(gòu)成較繁瑣，無法完全的實現(xiàn)總體曲面擬合，為提升擬合精準(zhǔn)度，最大限度表達(dá)手勢圖像多點特征，本文以區(qū)域擬合的方式進行手勢圖像多點擬合，以像素點方圓4*4厘米為一個擬合區(qū)域，進行多次擬合，從而保證較好地表達(dá)手勢圖像多點特征，為降低計算步驟，本文僅擬合手勢存在區(qū)域，對于手勢圖像留白區(qū)域不展開計算[9]。

2.2 多點手勢目標(biāo)跟蹤識別方法

利用KLT跟蹤器跟蹤手勢圖像多特征點，對手勢目標(biāo)展開跟蹤，當(dāng)手勢圖像內(nèi)手勢區(qū)域存在遮擋或在轉(zhuǎn)換坐標(biāo)時目標(biāo)失蹤，利用KLT跟蹤器追蹤手勢圖像多特征點可較好的解決此類問題。當(dāng)手勢區(qū)域完全被遮擋后，使用卡爾曼濾波器預(yù)測手勢目標(biāo)位置，使手勢特征跟蹤區(qū)間降低[10]，避免跟蹤器引導(dǎo)信號中斷情況，實現(xiàn)手勢跟蹤。

2.2.1 手勢圖像多特征點跟蹤

KLT跟蹤器在跟蹤手勢圖像多特征點時，以手勢圖像某一幀圖像內(nèi)的可信度最高的特征點作為跟蹤點，測量該跟蹤點附近每幀圖像的互相關(guān)數(shù)值，獲取下一幀圖像內(nèi)該跟蹤點區(qū)域，并計算上一幀圖像與下一幀圖像之間距離。

令W表示具有紋理特征的手勢特征窗口，當(dāng)時刻為t時，手勢圖像的圖像幀為I(x，y，t)，當(dāng)時刻為時t+τ，手勢圖像的圖像幀則為I(x，y，t+τ)，由于圖像亮度、時間連續(xù)和空間均具有相同特性，則圖像幀表達(dá)公式如下

I(x，y，t)=I(x+gx，y+gy，t+τ)

(7)

上述公式中，點X(x，y)的位移變化由g=(gx，gy)表示。

令ε表示KLT跟蹤器跟蹤目標(biāo)誤差，通過計算跟蹤目標(biāo)誤差最小位移g，令時刻為t時的手勢圖像特征窗口由I(X)表示，時刻為t+τ時的特征窗口由J(X)表示，則KLT跟蹤器跟蹤目標(biāo)誤差表達(dá)公式如下

(8)

上述公式中，A、g、ω(X)分別表示變形矩陣、平移向量、加權(quán)函數(shù)，利用微分方式獲取KLT跟蹤器跟蹤目標(biāo)誤差最小數(shù)值，其簡化后的表達(dá)式如下

Zg=e

(9)

其中

(10)

利用上述公式即可獲取手勢圖像特征窗口位移數(shù)值，實現(xiàn)手勢目標(biāo)定位。

2.2.2 手勢目標(biāo)定位

利用手勢圖像多特征點在兩幀圖像內(nèi)的坐標(biāo)點位置，計算手勢圖像仿射變換矩陣，將手勢圖像區(qū)域內(nèi)四邊頂點坐標(biāo)通過仿射變換矩陣方式計算與其相對坐標(biāo)點，可重新判定手勢圖像區(qū)域[11]。

令(x，y)表示二維坐標(biāo)點，仿射變換后的坐標(biāo)由(x’，y’)表示，則仿射變換表達(dá)公式如下

(11)

令X=[x1，x2，…，xn]和Y=[y1，y2，…，yn]分別表示手勢與其特征點集合，則特征點的仿射變換關(guān)系表達(dá)公式如下

yi=f(xi)=Nxi

(12)

上述公式中，N表示仿射變換矩陣，且i=1，2，…，n。

2.3 基于卡爾曼濾波器的多點手勢識別

根據(jù)手勢目標(biāo)定位信息，利用卡爾曼濾波器實現(xiàn)多點手勢位置識別，其依據(jù)上一幀手勢圖像位置和速度，識別下一幀手勢圖像位置[12]。令k表示圖像幀，則在該幀內(nèi)手勢狀態(tài)向量可表達(dá)為Uk=(cx(t)，cy(t)，vx(t)，vy(t))，cx(t)、cy(t)分別為手勢的橫向、縱向位置。vx(t)、vy(t)分別表示橫向、縱向速度，當(dāng)圖像幀為k時，手勢狀態(tài)向量狀態(tài)表達(dá)式如下

Uk=Bk-1Uk-1+wk-1

(13)

當(dāng)圖像幀為k時，手勢狀態(tài)向量觀測表達(dá)式如下

Zk=HkUk+vk

(14)

上述公式中，Uk、Hk分別表示狀態(tài)向量和觀測矩陣，k-1時刻到k時刻時的狀態(tài)轉(zhuǎn)移矩陣由Bk表示，Zk、wk-1、vk分別為觀測向量、狀態(tài)噪聲向量、觀測噪聲向量。

卡爾曼濾波器識別過程如下：

(15)

增益矩陣表達(dá)式如下

(16)

預(yù)測狀態(tài)表達(dá)式如下

(17)

預(yù)測誤差協(xié)方差矩陣表達(dá)式如下

(18)

當(dāng)手勢圖像特征點被遮擋時，運行卡爾曼濾波器，依據(jù)手勢圖像兩幀區(qū)間識別當(dāng)前手勢區(qū)間，利用上述步驟可實現(xiàn)人機交互時的多點手勢識別。

3 實驗分析

為驗證本文方法實際效用，在某電視的人機交互VR游戲內(nèi)仿真使用本文手勢識別方法，仿真軟件為MATLAB2020b仿真軟件，通過仿真手勢識別完成游戲限定人機交互任務(wù)。

3.1 圖像處理效果測試

以手勢圖像濾波為手勢特征提取前提，以圖像濾波能力作為衡量其特征提取性能指標(biāo)，測試本文方法手勢圖像特征提取性能，結(jié)果如圖2所示。

圖2 手勢圖像濾波測試結(jié)果

分析圖2可知，手勢與其圖像背景的深度值處于不同區(qū)間，使用本文方法濾波后的手勢圖像背景呈白色，手勢區(qū)域呈深灰色，其對比度明顯，手勢邊緣輪廓清晰，由此可見，本文方法圖像濾波能力強。

3.2 手勢目標(biāo)定位測試

以游戲過程中某10組手勢坐標(biāo)為實驗對象，測試本文方法手勢目標(biāo)定位能力，為更加凸顯本文方法使用效果，同時使用文獻(xiàn)[3]方法和文獻(xiàn)[4]方法展開測試，測試結(jié)果如表1所示。

表1 三種方法手勢目標(biāo)定位測試(cm)

分析表1可知，使用本文方法定位的手勢坐標(biāo)與游戲過程中的手勢坐標(biāo)完全相同，而文獻(xiàn)[3]方法定位的手勢坐標(biāo)雖然y軸方向與仿真軟件模擬完全相同，但x軸方向坐標(biāo)出現(xiàn)兩次錯誤，最大誤差值為2.2cm，文獻(xiàn)[4]方法定位的手勢坐標(biāo)在x軸方向出現(xiàn)一次錯誤，在y軸方向存在3次錯誤，綜合而言，本文方法定位的手勢目標(biāo)最準(zhǔn)確，可見其手勢定位能力更好。

3.3 手勢識別能力測試

以游戲過程中存在遮擋的100組手勢圖像為實驗對象，利用協(xié)方差數(shù)值表達(dá)手勢識別能力，測試三種方法手勢識別能力，結(jié)果如圖3所示。

圖3 三種方法手勢識別協(xié)方差數(shù)值

分析圖3可知，三種方法手勢識別協(xié)方差數(shù)值保持上下波動狀態(tài)，其中文獻(xiàn)[3]方法的協(xié)方差數(shù)值最低為0.22，最高為1.2，二者差值為0.98，表明其協(xié)方差數(shù)值波動區(qū)間較大，而文獻(xiàn)[4]方法和本文方法的協(xié)方差數(shù)值最高數(shù)值與最低數(shù)值之差分別為0.67和0.25。綜合來看，本文方法的協(xié)方差波動區(qū)間最小，表明該方法識別人機交互過程的手勢準(zhǔn)確，具有較強手勢識別能力。

4 結(jié)論

本文對人機交互多點手勢識別展開仿真研究，在手勢特征點跟蹤過程中，引入卡爾曼濾波器，降低手勢跟蹤區(qū)域范圍，實現(xiàn)手勢跟蹤。經(jīng)過實驗驗證，本文方法濾波后的手勢圖對比度與手勢邊緣輪廓均清晰可見，特征提取能力好；定位的手勢坐標(biāo)與游戲過程中的手勢坐標(biāo)完全相同，定位能力強；手勢識別時的協(xié)方差數(shù)值最高數(shù)值與最低數(shù)值之差僅為0.25，協(xié)方差波動區(qū)間小，人機交互多點手勢識別能力優(yōu)秀。