摘要：目的随着市场需求的多样化和多变性的加剧，对于生产装配的柔性和适应性提出了更高要求，人机合作装配为应对当前需求提供了有效方法。在人机交互协调的机械装配系统中，为有效实现机器人对操作人员手部装配动作的识别和理解，需对手部装配图像进行生物结构的特征检测。针对人机交互协调装配中的手部肤色图像识别问题，提出一种基于多色彩空间信息的识别算法。方法基于聚类思想，通过离线学习与期望最大化算法，在RGB色彩空间上对肤色信息建立多混合高斯模型，以此获得肤色信息的多混合聚类表示。再利用YCrCb色彩空间上的稀疏化高斯模型在线快速学习肤色分布，设计了基于多色彩空间信息的肤色识别器。结果图像照度对肤色区域的模型似然值有较大影响。在线稀疏化学习肤色识别实验结果显示，YCrCb3通道上学习获得的似然值不存在严重冗余，所建模型与对应的学习框架有效，结合多色彩空间的识别信息确认了肤色区域。肤色区域初始化识别的完整性与在线学习算法的时间复杂度有关，识别过程中模型参数的更新量与场景光照均衡度有关，进而影响算法的空间复杂度。本文基于高斯模型的手部肤色建模与区域检测方法对于机械装配环境的手部肤色检测适应性良好，经与改进的YCrCb椭圆聚类模型对比，该方法具有更好的识别完整性。结论本文算法提高了模型对固定场景下光照畸变的适应度，从而改善了识别效果，但识别算法的收敛时间较长，实时性尚需进一步提高，可在进一步的研究中进行优化。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社