（長春工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，吉林 長春 130012）

（長春工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，吉林 長春 130012）

為了提高動態(tài)手勢檢測的精確度，本文將基于YCbCr顏色空間的混合高斯背景建模應(yīng)用于動態(tài)手勢識別中，并且提出手勢陰影消除的有效算法。首先，對待檢測視頻幀通過摳圖摳出手勢圖像，在YCb＇Cr＇顏色空間進(jìn)行橢圓擬合，統(tǒng)計(jì)建立橢圓膚色模型，繼而在YCbCr顏色空間進(jìn)行混合高斯背景建模檢測出動態(tài)手勢，點(diǎn)乘原圖像得到含有陰影的RGB手勢圖像，對檢測出的含有陰影的手勢圖像利用已建立的橢圓膚色模型進(jìn)行陰影消除，最后將手勢圖像連成視頻序列。實(shí)驗(yàn)結(jié)果表明，該算法在復(fù)雜背景下進(jìn)行動態(tài)手勢的檢測率可達(dá)91.4％，高出傳統(tǒng)方法10％左右，能夠滿足動態(tài)手勢檢測基本要求，且具有較高的實(shí)用價(jià)值。

手勢檢測；混合高斯背景建模；橢圓擬合；陰影去除

1 引言

在信息迅速膨脹的今天，各種智能化產(chǎn)品登上人們生活的舞臺，推動了人工交互的迅速發(fā)展。手勢識別技術(shù)是人機(jī)交互的重要組成部分，近年來各種手勢識別的應(yīng)用產(chǎn)品已投入到大眾需求中，例如：基于手勢識別的遠(yuǎn)程電視控制系統(tǒng)和視頻游戲的用戶界面、啞語識別及交警手勢識別等。手勢識別是集人工智能、神經(jīng)識別、圖像處理及智能分析等于一體，涉及計(jì)算機(jī)語言、計(jì)算機(jī)視覺、圖像處理等學(xué)科。手勢識別技術(shù)的迅速發(fā)展帶動了各個(gè)領(lǐng)域的共同發(fā)展，在處于信息交互頻繁的今天，手勢識別已經(jīng)成為人機(jī)交互發(fā)展的主流。

手勢識別過程中首先要進(jìn)行手勢檢測，檢測結(jié)果的好壞直接影響到后面識別的精確度。而在運(yùn)動目標(biāo)檢測中，運(yùn)動物體受到風(fēng)吹、光照等外界因素的干擾容易產(chǎn)生陰影及其他噪聲，對運(yùn)動目標(biāo)檢測的精確性造成較大影響［1-3］。目前運(yùn)動目標(biāo)檢測運(yùn)用最廣泛的方法就是背景建模法，國內(nèi)外對于手勢檢測的研究也取得了突破性進(jìn)展，手勢分割技術(shù)也從最初的借助數(shù)據(jù)手套等工具向著由紋理、顏色等特征的方向發(fā)展［4-6］。如文獻(xiàn)［7］和文獻(xiàn)［8］中提出的背景建模在簡單背景下能夠較好地進(jìn)行運(yùn)動目標(biāo)檢測，但是不能有效地抑制陰影，容易造成運(yùn)動目標(biāo)的誤檢測；文獻(xiàn)［1］和文獻(xiàn)［4］提出的復(fù)雜環(huán)境下的手勢檢測，能夠在較為復(fù)雜的背景中準(zhǔn)確提取手勢，但僅局限于靜態(tài)手勢；文獻(xiàn)［9］和文獻(xiàn)［10］提出基于GMM的彩色運(yùn)動目標(biāo)檢測和聯(lián)合兩種顏色空間的運(yùn)動目標(biāo)陰影消除，這兩種方法實(shí)現(xiàn)了對運(yùn)動目標(biāo)的提取及陰影的部分消除，但是該方法對光照及外界環(huán)境的要求高，具有一定的局限性，實(shí)用性不高。文獻(xiàn)［11］和文獻(xiàn)［12］提出的方法能夠在復(fù)雜背景下進(jìn)行運(yùn)動目標(biāo)檢測，但也不能有效地抑制陰影，具有一定的局限性。

本文提出的基于YCbCr顏色空間的混合高斯背景建模和基于YCb＇Cr＇顏色空間橢圓膚色模型相結(jié)合的動態(tài)手勢檢測不僅能夠在復(fù)雜背景下準(zhǔn)確進(jìn)行手勢檢測，還能夠有效消除手勢陰影，提高了手勢檢測的精確度，具有一定的實(shí)用價(jià)值。

2 YCb＇Cr＇顏色空間橢圓模型的建立

2.1 手勢圖像摳圖及YCb'Cr'顏色空間的轉(zhuǎn)化

將待檢測手勢圖像拆分成70幀，利用Photoshop軟件手動將前20幀含背景信息的手勢圖像中摳出手勢圖像，并將摳出的手勢圖像非線性轉(zhuǎn)換到Y(jié)Cb＇Cr＇顏色空間，摳出的手勢圖像如圖1所示。

圖1 手勢原圖及手勢摳圖Fig.1 Hand gesture and cutout style of hand gestures

YCb＇Cr＇顏色空間是YCbCr非線性轉(zhuǎn)換形成的。研究發(fā)現(xiàn)在YCbCr顏色空間，膚色亮度和色度在高亮度和低亮度區(qū)域并非嚴(yán)格線性無關(guān)，這種依賴關(guān)系很大程度上影響了膚色的檢測效果［13］。YCb＇Cr＇顏色空間不僅解除了這種依賴關(guān)系，膚色在該顏色空間有著很好的聚類性，并且這種膚色聚類區(qū)域不隨著亮度的變化而變化。YCb＇Cr＇顏色空間轉(zhuǎn)換公式如下：

式中：WCi（Y）、的具體運(yùn)算公式在文獻(xiàn)［1］中有具體的求解。WCi（Y）描述的是在Y-Ci坐標(biāo)中膚色區(qū)域的寬度，Ci表示Cb和Cr，、Cb（Y）用4個(gè)邊界來限定聚類區(qū)域。這樣更加有利于模型更好地適應(yīng)亮度過暗或過亮的區(qū)域，以此提高系統(tǒng)的魯棒性，提高對環(huán)境的適應(yīng)能力。Kl、Kh表示非線性分段色彩變換的分段閾值。經(jīng)過大量統(tǒng)計(jì)實(shí)驗(yàn)數(shù)據(jù)得出［1］：Kl=125，Kh=148，WCb=46.97，WCr=38.76，WLCb=23，WLCr=20。

2.2 最小二乘法橢圓擬合及橢圓模型的建立

經(jīng)研究發(fā)現(xiàn)，膚色在YCb＇Cr＇顏色空間聚類形狀類似橢圓［1］，且具有較強(qiáng)的聚類性。把視頻序列的第7幀進(jìn)行非線性轉(zhuǎn)換，并且將膚色點(diǎn)在Cb＇-Cr＇坐標(biāo)系下的投影，投影結(jié)果如圖2所示，圖中橫坐標(biāo)為Cb＇像素值，縱坐標(biāo)為Cr＇像素值。

圖2 膚色在Cb＇-Cr＇坐標(biāo)系下的投影Fig.2 Projection of oval color in color Cb＇-Cr＇coordinate system

從投影圖可以看出，用橢圓模型來表述膚色在此顏色空間的分布比較精確，能夠找到一個(gè)能包含所有膚色點(diǎn)的最小橢圓是手勢提取的關(guān)鍵。本文選用最小二乘法進(jìn)行橢圓擬合，最小二乘法通過最小化誤差的平方和來尋找最佳函數(shù)匹配，距離擬合和幾何曲線擬合是最小二乘法的兩種擬合方式［1］。本文采用距離擬合橢圓的兩種表達(dá)式如下：

式（3）擬合過程運(yùn)算較簡便，且式（3）中參數(shù)能與式（2）中的橢圓五參數(shù)進(jìn)行轉(zhuǎn)換［14］。本文橢圓擬合過程如下：首先，為避免橢圓方程有零解，并將解的整數(shù)倍誤認(rèn)為同一方程，需將式（3）加限制條件A+C=1［15］，然后根據(jù)聚類圖形手動選取聚類圖形的6個(gè)具有代表性的邊緣像素點(diǎn)p（xi，yi），其中包括4個(gè)橢圓長軸短軸與橢圓交點(diǎn)，再另選2個(gè)橢圓邊緣曲率大的對稱像素點(diǎn)。繼而構(gòu)造誤差平方和函數(shù)，如式（4）：

由極值原理可知，可得以下線性方程：

繼而求解該線性方程式可求出參數(shù)A、B、C、D、E、F。

本文對視頻序列中前20幀摳出的手勢圖像進(jìn)行最小二乘法橢圓擬合，然后求出參數(shù)并取其均值，最后進(jìn)行公式轉(zhuǎn)化［14］后可得橢圓的五參數(shù)具體數(shù)值為：θ=2.80，exy=2.35，ecx=2.05，a=27.50，b=14.30。

此時(shí)擬合的橢圓方程已確定，繼而建立橢圓膚色模型，圖像中的像素點(diǎn)可用下式表示：

此時(shí)令

若M＞1，該像素位于橢圓之外認(rèn)定為背景像素，標(biāo)記為0，若M＜1，該像素位于橢圓內(nèi)部認(rèn)定為前景像素，即為膚色，標(biāo)記為1。經(jīng)過非線性轉(zhuǎn)換容易形成偽膚色，即亮度小于80的非膚色點(diǎn)視為膚色，故本文將Y＜80的像素點(diǎn)認(rèn)定為背景像素，即標(biāo)記為0。

3 基于YCbCr顏色空間的混合高斯背景建模

3.1 模型簡介以及參數(shù)初始化

混合高斯模型中的背景像素的每一個(gè)像素可用N個(gè)不同的高斯分布表示，本文取N=3［11］。每一個(gè)高斯分布都有其對應(yīng)的權(quán)值Wk。高斯模型還有2個(gè)重要的參數(shù)：均值μ與方差Ω。對于手勢視頻幀中的像素點(diǎn)（x，y）在t時(shí)刻的觀察值表示為Xt=（）T。方差矩陣和均值矢量表示為：

參數(shù)初始化過程中將權(quán)值設(shè)置盡可能小，方差設(shè)置盡可能大，均值大小取第一幀圖像中的每一個(gè)像素點(diǎn)的像素值。本文取Wk，t=0.05；Ωk，t=15。

3.2 模型參數(shù)實(shí)時(shí)更新

讀取手勢視頻中第一幀，現(xiàn)有的高斯模型相匹配與幀中像素點(diǎn)進(jìn)行匹配，若匹配，繼而判斷該像素與混合高斯模型中的某個(gè)高斯分布均值的距離是否小于標(biāo)準(zhǔn)差與偏差閾值的乘積（本文偏差閾值D=2.0）。若滿足，則該像素點(diǎn)與高斯模型中高斯分布相匹配，將該像素點(diǎn)歸入高斯模型中，并按照文獻(xiàn)［6］進(jìn)行參數(shù)更新。在更新過程中，α反映的是背景的更新速度，其取值大小對模型的更新有較大的影響。經(jīng)測試，本文α取值為0.03時(shí)效果最佳。若該像素與混合高斯模型中高斯分布不匹配，則按照下式減小權(quán)重Wk，即：Wk，t+1=（1-α）Wk，t。若像素點(diǎn)與已有的高斯模型不匹配，新的高斯模型將取代權(quán)重最小的高斯模型。經(jīng)過參數(shù)不斷更新和訓(xùn)練，得到混合高斯分布模型。

3.3 混合高斯背景模型的建立及手勢分割

選取權(quán)重大于某一閾值T的所有高斯分布建立混合高斯背景模型，經(jīng)測試，本算法T=0.40時(shí)效果最佳。此時(shí)判斷混合高斯背景模型與當(dāng)前幀的某一像素點(diǎn)Xt是否匹配，即：||＜，其中，D為偏差閾值，σ 為標(biāo)準(zhǔn)差。若上

k，t式成立，該像素點(diǎn)標(biāo)記為0，即為背景像素點(diǎn)；若不成立，該像素點(diǎn)即為1，即為前景像素點(diǎn)［6］。繼而進(jìn)行一下形態(tài)學(xué)操作，形態(tài)開操作消除部分噪聲，連通域操作刪除面積較小的噪聲，運(yùn)用合適結(jié)構(gòu)元填充圖像空洞區(qū)域。最終得到運(yùn)動手勢圖像。經(jīng)過以上處理，混合高斯背景建模第17幀圖像動態(tài)手勢檢測結(jié)果如圖3所示。

經(jīng)過混合高斯建模得到的手勢圖像含有明顯的陰影，從圖3可看出，手勢陰影已嚴(yán)重影響手勢檢測的精確度，本文對這些手勢圖像做了進(jìn)一步處理。

圖3 視頻序列第17幀F(xiàn)ig.3 Video sequence frame 17

首先歸一化得到手勢圖像，然后用相應(yīng)的原圖像點(diǎn)乘所得到的陰影手勢圖像，繼而得到僅含有手勢陰影的RGB手勢圖像，該圖像僅含有手勢陰影和帶有膚色信息的RGB手勢圖像，為后期手勢陰影的去除做鋪墊。處理得到的手勢圖像如圖4所示。

圖4 RGB手勢圖像Fig.4 RGB gesture image

4 橢圓膚色模型與陰影消除

4.1 橢圓膚色模型與陰影消除原理

手勢陰影是由于光源照射到背景的光線收到手勢的阻擋而形成的，故陰影會隨著手勢的運(yùn)動而運(yùn)動［8］。由于混合高斯背景模型是基于像素的操作，手勢陰影也被誤檢測為運(yùn)動目標(biāo)，為后續(xù)的研究帶來影響。受到光照等影響，經(jīng)過混合高斯模型檢測出的動態(tài)手勢中經(jīng)常會含有手勢陰影，而在YCb＇Cr＇顏色空間進(jìn)行橢圓擬合建立的橢圓膚色模型可以有效地分割出膚色點(diǎn)與非膚色點(diǎn)，手勢陰影不屬于膚色點(diǎn)，這樣就可以有效地消除手勢陰影，而保留手勢圖像，從而精確地檢測出動態(tài)手勢。

本文將上述得到的RGB手勢圖像中每一個(gè)像素點(diǎn)與已得到的橢圓膚色模型相匹配，以此來區(qū)分圖像中的像素點(diǎn)與非像素點(diǎn)，繼而消除手勢陰影而保留手勢圖像，最終將得到的手勢圖像連成視頻序列，該算法完成了動態(tài)手勢的提取及其陰影的消除。本文將基于YCbCr顏色空間的混合高斯背景建模和基于YCb＇Cr＇顏色空間橢圓膚色模型相結(jié)合，總體算法的系統(tǒng)框圖如圖5所示。

圖5 算法系統(tǒng)框圖Fig.5 System block diagram of algorithm

4.2 實(shí)驗(yàn)結(jié)果分析

本算法選擇光照條件下的靜態(tài)復(fù)雜背景，拍攝的運(yùn)動手勢視頻大約3.5s，本文還對該視頻運(yùn)用傳統(tǒng)的混合高斯模型進(jìn)行運(yùn)動手勢檢測，以作對比。實(shí)驗(yàn)環(huán)境為 Pentium（R）dual-core CPU 3.0GHZ，安裝內(nèi)存為2.0 GB，操作系統(tǒng)為WINDOW7，使用MATLAB 2009b進(jìn)行仿真實(shí)驗(yàn)。經(jīng)MATLAB仿真實(shí)驗(yàn)后，仿真結(jié)果如圖6所示。

從仿真結(jié)果可以看出，經(jīng)過基于YCbCr顏色空間的混合高斯背景建模檢測出的結(jié)果中含有較大的噪聲信息，并且陰影的存在已經(jīng)嚴(yán)重影響到手勢的精確性。經(jīng)本算法，手勢陰影被有效去除，并且能夠較精確地保留手勢圖像的有效信息。

將實(shí)驗(yàn)使用的手勢視頻經(jīng)過傳統(tǒng)混合高斯模型進(jìn)行仿真實(shí)驗(yàn)后，取視頻中的第27幀進(jìn)行對比，對比結(jié)果如圖7所示。

圖6 仿真結(jié)果Fig.6 Simulation results

圖7 對比實(shí)驗(yàn)結(jié)果Fig.7 Comparative results

經(jīng)過對比實(shí)驗(yàn)，本算法與傳統(tǒng)的混合高斯背景建模運(yùn)動手勢檢測相比較，本算法可以較精確地檢測出運(yùn)動手勢信息，而在該實(shí)驗(yàn)的復(fù)雜背景和陰影的干擾下，傳統(tǒng)的檢測方法基本不能檢測出完整的手勢信息，存在大量的誤檢區(qū)域，并且噪聲特別嚴(yán)重。本實(shí)驗(yàn)運(yùn)動手勢視頻時(shí)長約3.5s，并拆分成70幀，然后使用不同的方法進(jìn)行手勢檢測。檢測率DR定義如下：

式中：TP為正檢幀數(shù)，F(xiàn)P為錯檢幀數(shù)。表1為檢測結(jié)果統(tǒng)計(jì)。

表1 檢測結(jié)果統(tǒng)計(jì)Tab.1 Statistics of test results

經(jīng)過對以上實(shí)驗(yàn)結(jié)果和數(shù)據(jù)進(jìn)行分析，本實(shí)驗(yàn)?zāi)軌驅(qū)z測出的手勢圖像進(jìn)行陰影的消除，且能夠精確地檢測出運(yùn)動手勢，有利于后續(xù)目標(biāo)跟蹤和識別方面的研究。

5 結(jié)論

本文把基于YCbCr顏色空間的混合高斯背景建模運(yùn)用到動態(tài)手勢檢測中，并且結(jié)合YCb＇Cr＇顏色空間的橢圓膚色模型，實(shí)現(xiàn)了復(fù)雜背景下動態(tài)手勢的精確檢測和手勢運(yùn)動檢測中產(chǎn)生的陰影消除問題。本算法在復(fù)雜背景下的手勢檢測率可達(dá)91.4％，相比于傳統(tǒng)混合高斯模型，檢測率提高了10％，有效提高了動態(tài)手勢檢測的精確度，具有較高的實(shí)用價(jià)值。但由于混合高斯模型是基于像素的操作，加上本文的陰影消除方法也是建立在像素的操作上，運(yùn)行速度較慢，實(shí)時(shí)性較差，所以進(jìn)一步的研究將放在算法優(yōu)化及實(shí)時(shí)性提高方面。

［1］WEN J T，GAO Y D，HAN S，et al..Gesture segmentation based on YCb＇Cr＇color space ellipse fitting skin color modeling［C］.Control and Decision Conference（CCDC），Taiyuan，China，2012：1905-1908.

［2］YU X C，YANG CH，YU T C.Hand skin color segmentation using online training artificial neural network［C］.Natural Computation（ICNC），Shenyang，China，2013：242-246.

［3］WEI W，JING P.Hand segmentation using skin color and background information［C］.Machine Learning and Cybernetics（CMLC），Xi＇an，China，2012：1484-1492.

［4］AVINASH B D，GHOSH D K，ARI S.Color hand gesture segmentation for images with complex background［C］.International Conference on Circuits，Power and Computing Technologies（ICCPCT），Nagercoil，India，2013：1127-1131.

［5］YOU L ZH，CHENG H，JIA J CH.Face detection method based on multi-feature fusion in ycbcr color space［C］.Image and Signal Processing（CISP），Chongqing，China，2012：1249-1252.

［6］JING L，GENG W.A shadow detection method based improved gaussian mixture model［C］.Electronics Information and Emergency Communication（CEIEC），Beijing，China，2013：62-65.

［7］楊秀芳，戚銀城，李婷，等.基于YCb＇Cr＇膚色特征和Ostu算法的人眼定位優(yōu)化方法［J］.南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，34（1）：99-102.

YANG X F，QI Y CH，LI T，et al..Eye location optimization method based on YCb＇Cr＇color features and Ostu algorithm［J］.Nanjing University of Posts and Telecommunications（Natural Science），2014，34（1）：99-102.（in Chinese）

［8］邱鵬瑞.基于YCbCr膚色模型改進(jìn)算法及區(qū)域特征的人臉檢測研究［J］.計(jì)算機(jī)與現(xiàn)代化，2012（4）：179-182.

QIU P R.Face Detection YCbCr color model based on human and regional characteristics of the improved algorithm［J］.Computer and Modernization，2012（4）：179-182.（in Chinese）

［9］AI Y Y，JING J L，AI X W.Color moving object segmentation based on mixture gaussian models［C］.Natural Computation（ICNC），Yantai，Shandong，China，2010：1208-1211.

［10］黃建強(qiáng)，曹騰飛，郭文靜，等.聯(lián)合兩種顏色空間的陰影檢測算法［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2014，24（7）：95-98.

HUANG J Q，CAO T F，GUO W J，et al..shadow detection algorithm combined with two color spaces［J］.Computer Technology and Development，2014，24（7）：95-98.（in Chinese）

［11］張紅穎，胡正.CenSure特征和時(shí)空信息相結(jié)合的運(yùn)動目標(biāo)檢測［J］.光學(xué) 精密工程，2013，21（9）：2452-2462.

ZHANG H Y，HU ZH.Moving target detecte combinates CenSure characteristics and spatial temporal information［J］. Opt.Precision Eng.，2013，21（9）：2452-2462.（in Chinese）

［12］王梅，屠大維，周許超.SIFT特征匹配和差分相乘融合的運(yùn)動目標(biāo)檢測［J］.光學(xué) 精密工程，2011，19（4）：892-899.

WANG M，TU D W，ZHOU X CH.Moving Object Detection combinates SIFT feature matching and differential multiplied integration［J］.Opt.Precision Eng.，2011，19（4）：892-899.（in Chinese）

［13］韓延祥，張志勝，郝飛，等.灰度序列圖像中基于紋理特征的移動陰影檢測［J］.光學(xué) 精密工程，2013，21（11）：2931-2942.

HAN Y X，ZHANG ZH SH，HAO F，et al..Grayscale image sequence moving shadow detection based on texture features［J］.Opt.Precision Eng.，2013，21（11）：2931-2942.（in Chinese）

［14］盧官明，郎蘇娟.基于YCbCr顏色空間的背景建模及運(yùn)動目標(biāo)檢測［J］.南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，29（6）：17-22.

LU G M，LANG S J.background modeling and moving target detection based on YCbCr color space［J］.Nanjing University of Posts and Telecommunications（Natural Science），2009，29（6）：17-22.（in Chinese）

［15］閆蓓，王斌，李媛.基于最小二乘法的橢圓擬合改進(jìn)算法［J］.北京航空航天大學(xué)學(xué)報(bào)，2008，34（3）：295-298.

YAN B，WANG B，LI Y.Least squares fitting based on the elliptical improved algorithm［J］.J.Beijing University of Aeronautics and Astronautics，2008，34（3）：295-298.（in Chinese）

史東承（1959—），男，吉林長春人，教授，1982年于北京郵電學(xué)院獲得學(xué)士學(xué)位，1988年于東北電力學(xué)院獲得碩士學(xué)位，主要從事圖像處理與機(jī)器視覺方面的研究。E-mail：dcshi@foxmail.com

倪 康（1991—），男，山東棗莊人，碩士研究生，2013年于青島濱海學(xué)院獲得學(xué)士學(xué)位，主要從事圖像處理與機(jī)器視覺方面的研究。E-mail：9500467@qq.com

基于YCbCr顏色空間背景建模與手勢陰影消除

史東承*，倪 康

Background modeling based on YCbCr color space and gesture shadow elimination

SHI Dong-cheng*，NI Kang
（College of Computer Science and Engineering，Changchun University of Technology，Changchun 130012，China）
*Corresponding author，E-mail：dcshi@foxmail.com

To improve the accuracy of the dynamic gesture detection，Gaussian mixture background modeling based on YCbCr color space is applied to the dynamic gesture recognition，and the effective gesture shadow elimination algorithm is proposed.First of all，the gesture image is cut out from video frame to be detected，and space ellipse fitting is developed in YCb＇Cr＇color.Oval color model is established statistically，and then dynamic gesture in the YCbCr color space through Gaussian mixture background modeling is detected.Original image is dotted product to get the gesture RGB image containing shadows.The shadows contained in the detected gestures image were eliminated by using ellopse color model，and finally we take gesture images together into a video sequence.Experimental results show that in the algorithm of dynamic gesture detection rate is 91.4％under a complex background，about 10％higher than that by the traditional methods.So it can meet the basic requirements of dynamic gesture detection，and has a high practical value.

gesture detection；Gaussian mixture background modeling；ellipse fitting；shadow removal

2015-02-23；

2015-03-24

2095-1531（2015）04-0589-07

TP391.9 文獻(xiàn)標(biāo)識碼：A doi：10.3788/CO.20150804.0589