结合三帧差分和肤色椭圆模型的动态手势分割

针对手势识别系统中的手势分割部分提出了一种改进的结合三帧差分法和肤色椭圆边界模型的动态手势分割方法。运用三帧差分法提取动态手势的运动特征,初步确定手势所在区域,然后运用肤色椭圆边界模型对该区域进行肤色判别从而确定目标。通过提取双特征,可有效解决复杂背景下大面积肤色背景被误检的问题。通过合理设置运动检测过程中的阈值,可有效去除运动幅度较小的人脸和裸露手臂部分。同时针对三帧差分法不能检测静态手势进行了改进,使提出算法对视频流中手势的短暂停留具有极强的鲁棒性。实验结果表明,提出算法能准确高效的检测出动态手势,适用于动态手势识别等实时系统中。

基于YCbCr空间肤色自适应分割方法

针对现有人体肤色区域分割方法在变化的光照、复杂的背景环境下鲁棒性差、精确度不高的问题,提出一种肤色自适应分割方法。首先将图片转化到改进的YCbCr颜色空间获取待分割肤色图,在变化的光照下获取肤色像素信息。然后在YCbCr颜色空间的(Cb-Cr)空间建立椭圆边界肤色模型,并建立(Cr-Cb)肤色灰度直方图,在二维灰度直方图上确定肤色大致位置,过滤掉大部分背景干扰。最后在灰度投影直方图上用高斯函数拟合得到精确的动态肤色范围,去除类肤色干扰。实验结果表明,该算法能够在变化的光照下对肤色进行自适应分割,在复杂背景下也有较好的分割效果。