基于單目視覺(jué)的手勢(shì)檢測(cè)與跟蹤算法研究.pdf

1、廈門(mén)大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨(dú)立完成的研究成果。本人在論文寫(xiě)作中參考其他個(gè)人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門(mén)大學(xué)研究生學(xué)術(shù)活動(dòng)規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費(fèi)或?qū)嶒?yàn)室的資助，在()實(shí)驗(yàn)室完成。(請(qǐng)?jiān)谝陨侠ㄌ?hào)內(nèi)填寫(xiě)課題或課題組負(fù)責(zé)人或?qū)嶒?yàn)室名稱(chēng)，未有此項(xiàng)聲明內(nèi)容的，可以不作特別聲明。)聲明人(簽名)：于帕硼f3

2、年皇月2Et摘要摘要隨著時(shí)代的變遷和技術(shù)的進(jìn)步，人類(lèi)己不滿(mǎn)足于用鍵盤(pán)和鼠標(biāo)對(duì)計(jì)算機(jī)進(jìn)行操作，因此人機(jī)交互技術(shù)就成為了當(dāng)下的研究熱門(mén)，而手勢(shì)交互就是其中最受關(guān)注的一個(gè)方向。手是人體最為靈活的部位，其所能夠表現(xiàn)出來(lái)的手勢(shì)是復(fù)雜多變的，這對(duì)手勢(shì)交互技術(shù)提出了很高的要求。手勢(shì)檢測(cè)和跟蹤作為手勢(shì)交互的前提和基礎(chǔ)，需要克服復(fù)雜環(huán)境中的種種干擾，準(zhǔn)確的定位出目標(biāo)手勢(shì)所在位置并獲得一系列連續(xù)的跟蹤軌跡，這是一個(gè)十分具有挑戰(zhàn)性的課題，值得不斷的深入研究。

3、針對(duì)當(dāng)前手勢(shì)交互技術(shù)的發(fā)展情況，本文擬研究復(fù)雜環(huán)境下的手勢(shì)檢測(cè)與跟蹤問(wèn)題。這里的手勢(shì)檢測(cè)指的是手勢(shì)的第一幀自檢測(cè)。為了能夠在復(fù)雜環(huán)境下具有較高的魯棒性和準(zhǔn)確率，本文采用基于Haar1ike特征的AdaBoost分類(lèi)器進(jìn)行手勢(shì)檢測(cè)，檢測(cè)目標(biāo)為握拳手勢(shì)，檢測(cè)到的若干個(gè)待定目標(biāo)進(jìn)一步結(jié)合時(shí)間和空間上的限制條件進(jìn)行輔助判斷，最后得到一個(gè)滿(mǎn)足用戶(hù)交互意愿的跟蹤手勢(shì)。實(shí)驗(yàn)結(jié)果表明該方法能夠在背景中存在手勢(shì)干擾的情況下準(zhǔn)確的鎖定目標(biāo)手勢(shì)。手勢(shì)跟蹤部分

4、的跟蹤對(duì)象同樣是固定手勢(shì)，采用TLD框架進(jìn)行跟蹤。TLD算法其跟蹤魯棒性高，又有PN在線學(xué)習(xí)方法進(jìn)一步提高跟蹤準(zhǔn)確率，但是運(yùn)算量過(guò)大導(dǎo)致實(shí)時(shí)性不好。針對(duì)這一點(diǎn)，本文設(shè)計(jì)了一種實(shí)時(shí)性更高的算法BPTLD，通過(guò)對(duì)TLD中數(shù)據(jù)量最大的檢測(cè)模塊添加反向投影算法，提高了約20％的跟蹤速度。此外還可以根據(jù)手勢(shì)跟蹤的應(yīng)用場(chǎng)景按需優(yōu)化TLD的內(nèi)部參數(shù)。從BPTLD與其他手勢(shì)跟蹤算法HandVu和MSEPF的對(duì)比實(shí)驗(yàn)中可以看出，在復(fù)雜環(huán)境和高速手勢(shì)的情況