基于LBP的深度圖像手勢特征提取算法

　　針對復(fù)雜環(huán)境下的深度圖像手勢特征提取信息冗余量大、編碼不穩(wěn)定等問題，提出了一種改進的基于曲率局部二值模式（ LBP）的深度圖像手勢特征提取算法。該算法首先通過坐標(biāo)轉(zhuǎn)換將分割出的手勢深度數(shù)據(jù)轉(zhuǎn)換為點云數(shù)據(jù)；其次利用移動最小二乘法對手勢點云數(shù)據(jù)進行曲面擬合；然后計算出能夠更加準(zhǔn)確描述物體三維表面幾何信息特征的高斯曲率；最后利用改進的LBP均勻模式對高斯曲率數(shù)據(jù)進行編碼形成特征向量。在美國手語（ASL）手勢數(shù)據(jù)庫上該算法的平均識別率達到了92. l%，與3D局部二值模式（3DLBP）和梯度LBP相比分別提高了18.5個百分點和13.7個百分點。實驗結(jié)果表明，該算法可以區(qū)分外部輪廓相似但內(nèi)部結(jié)構(gòu)不同的手勢，有效提高了在描述手勢深度圖像內(nèi)部細節(jié)方面的準(zhǔn)確性。