文章编号：１００７—１４２３（２０１３）１９—００２６—０３

ＤＯＩ：１０．３９６９０．ｉｓｓｎ．１００７—１４２３．２０１３．１９．００８

肤色和手势识别方法研究

陈学工１

．

王卿２

（１．中南大学信息科学与工程学院，长沙４１００８３；２．湖南科技职业学院，长沙４１０００４）

摘要：随着信息技术的快速发展。手势输入比于其他人机交互方式更直接。然而，利用手势或人的

姿态来控制机器之前，必须先从图像画面中切割出正确的肤色目标。通过对图像切割技术的研究．给出一种结合概率神经网络用于图像分割中得出最佳切割阈值的想法，以达到切割复杂背景中不同的皮肤颜色。

关键词：图像分割；概率神经网络；贝叶斯分类器

１

问题的提出

随着信息技术的快速发展．研究人员对自然语言

图像分割结果好坏直接影响计算机视觉工程的其他各

个环节。３

理解、手势交互等智能人机界面的研究开展了大量的工作。在与其他输入方式相比较．以手势作为计算机的输入手段具有自然、简洁丰富、直接性的优点。人们通过定义某些适当的手势来对周围的计算机进行控制．这样．人和计算机间的通信可以不再需要中间媒介。目前．手势识别技术还存在许多不足之处和技术难点．其中．手势图像分割是其主要的技术难点。不过，最重要的是如何在具有许多类似皮肤目标的复杂背景与不同的灯光条件．能够正确地并且快速地切割出不同的皮肤颜色。

２

概率神经网络

概率神经网络方法是利用已知的确定结果的样本

模式对神经网络进行训练．将训练结束的神经网络用于图像的处理和识别．其核心思想是将图像分割问题作为一个函数最小化问题来处理【３１。在这些若干个神经网络算法中．反向传播（ＢＰ）学习算法是最著名的多层前向反馈式神经网络训练算法之一。ＢＰ算法的计算过程是这样的：假定由若干个互相连通的一样结点构成一个神经网络．我们把这些结点都命名为处理单元（ＰＥ）。每一个ＰＥ所做的工作都是非常简单的，就是从

前面的几个ＰＥ接受一些输入信号同时产生一个输出标量．接着传给处于后方的ＰＥ结点．通过这样简单的

图像分割处理技术

图像分割是图形图像处理领域的基础技术．其应

用非常广泛．目的就是根据图像的颜色特征把图像划分成几个不相交的区域川．同时让这些区域内部又具有

基本相同的特征属性．而附近区域也有一些比较容易

传递．我们就建立了一个反向传播网络【４】。

基于概率神经网络的图像分割方法嘲为了对计算机中图形和图像进行更加有效地分割．在中间使用了大量的平行神经网络．通过模拟生物自我学习原理的结点就构成了这些平行网络．每个节点在这些网络中的只执行最基本、最简单的运算．再通过调整每个结点

区分的颜色特征【２】。图像分割将通过计算机对所采集的数字图像进行处理．同时分割成互不相交区域的过程。

收稿日期：２０１３—０５—１５修稿日期：２０１３—０６－２０

Ｏ

万方数据现代计算机２０１３．０７上