實(shí)時(shí)手勢(shì)檢測(cè)跟蹤算法及其應(yīng)用研究.pdf

1、隨著現(xiàn)代科學(xué)技術(shù)，特別是計(jì)算機(jī)技術(shù)、通訊技術(shù)、電子技術(shù)、傳感器技術(shù)、控制技術(shù)以及人工智能技術(shù)的飛速發(fā)展，人機(jī)交互技術(shù)已經(jīng)被廣泛地應(yīng)用到科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、軍事、醫(yī)療衛(wèi)生、交通等許多領(lǐng)域?；谑謩?shì)的人機(jī)交互以手勢(shì)表達(dá)交互意圖，手勢(shì)中含有大量的交互信息，同時(shí)又符合人的認(rèn)知習(xí)慣，因此，基于手勢(shì)的人機(jī)交互研究成為了當(dāng)前研究的熱點(diǎn)，然而由于手不是剛體，存在形變，因此目前很多跟蹤算法在跟蹤過(guò)程中經(jīng)常會(huì)出現(xiàn)失誤，影響人機(jī)交互結(jié)果;另外，是因?yàn)槭褂帽?/p>

2、景的復(fù)雜性，目前的算法在去除背景時(shí)還存在一定的不足。盡管微軟推出了Kinect Box360人機(jī)交互平臺(tái)，具有較好的性能，但成本太高，不利于智能家電等手勢(shì)人機(jī)方面的應(yīng)用。因此，一種基于普通攝像頭的人機(jī)交互系統(tǒng)不僅具有重要的理論意義，同時(shí)也具有重要的經(jīng)濟(jì)價(jià)值和應(yīng)用價(jià)值。
　　本文緊密結(jié)合實(shí)際應(yīng)用需求，研究了圖像去噪、手勢(shì)檢測(cè)與手勢(shì)跟蹤等算法和相關(guān)實(shí)現(xiàn)技術(shù)，主要內(nèi)容和創(chuàng)新性貢獻(xiàn)如下:
　　(1)針對(duì)高效去除椒鹽噪聲和有效保留圖像

3、細(xì)節(jié)的技術(shù)要求，提出了一種基于PCNN(Pulse Coupled Neural Network)的自適應(yīng)窗快速去噪方法ADEN(AdaptiveDenoising method for Extreme Noise)-PCNN。本方法引入了噪聲甄別機(jī)制，只對(duì)被污染的像素進(jìn)行去噪處理，因而能夠保證在去噪的同時(shí)不損壞圖像信息，使圖像細(xì)節(jié)和紋理信息得以有效保留。為了確保圖像質(zhì)量，在面向圖像降噪的PCNN神經(jīng)網(wǎng)絡(luò)陣列結(jié)構(gòu)中引入了自組織機(jī)制，可以

4、自動(dòng)地估計(jì)噪聲的強(qiáng)度信息并進(jìn)行PCNN網(wǎng)絡(luò)中神經(jīng)元連接方式的自組織轉(zhuǎn)換。此外，還引入了自適應(yīng)機(jī)制，可根據(jù)噪聲強(qiáng)度的估計(jì)信息，自動(dòng)進(jìn)行濾波次數(shù)的優(yōu)選，增強(qiáng)自適應(yīng)能力。實(shí)驗(yàn)結(jié)果表明，此方法較之常規(guī)方法和其他同類方法在去噪效果和保留圖像細(xì)節(jié)信息方面具有明顯的優(yōu)勢(shì)。
　　(2)為了實(shí)現(xiàn)跟背景無(wú)關(guān)的手勢(shì)檢測(cè)，設(shè)計(jì)了基于Cascade AdaBoost技術(shù)的手勢(shì)分類器。眾所周知，復(fù)雜背景下的手勢(shì)提取一直是圖像處理領(lǐng)域中的難點(diǎn)，傳統(tǒng)的基于背景差

5、分的目標(biāo)檢測(cè)方法、基于高斯混合模型的背景建模方法、幀間差分法都不能滿足實(shí)際中的應(yīng)用需求。背景差分方法和高斯混合模型的背景建模方法都要求背景固定不變，但在實(shí)際過(guò)程中，背景經(jīng)常是變化的，因此，這種方法通常只能在實(shí)驗(yàn)室環(huán)境或要求很嚴(yán)格的環(huán)境，還對(duì)于面向智能電視的應(yīng)用環(huán)境而言，這兩種方法都不能勝任;幀間差分法也存在兩個(gè)方面的問(wèn)題，一是要求場(chǎng)景中只有一個(gè)運(yùn)動(dòng)，二是要求光照要保持恒定，但這對(duì)面向智能電視而言的用戶而言這些要求很難保證，此外，基于背景

6、差分的方法不能準(zhǔn)確的提取出手勢(shì)目標(biāo)，這將影響后面的跟蹤特征點(diǎn)的提取，導(dǎo)致跟蹤失敗。因此，提出一種與背景無(wú)關(guān)的手勢(shì)目標(biāo)提取方法對(duì)基于手勢(shì)的人機(jī)交互什么重要。針對(duì)此，本文借助人臉檢測(cè)技術(shù)通過(guò)大量的樣本訓(xùn)練，設(shè)計(jì)了一種高效、準(zhǔn)確、實(shí)時(shí)的手勢(shì)目標(biāo)檢測(cè)方法，該方法具有很強(qiáng)的魯棒性和低的虛警率。
　　(3)提出了自適應(yīng)的目標(biāo)跟蹤策略，解決了傳統(tǒng)KLT算法的不足。實(shí)驗(yàn)結(jié)果表明，本文算法在跟蹤目標(biāo)的準(zhǔn)確性、可靠性和魯棒性方面要明顯地優(yōu)于KLT算法