面向裝配示教學習的物體跟蹤與手勢識別.pdf

1、隨著機器人逐漸深入到社會生產(chǎn)和生活的方方面面，更加自然的智能示教學習能力成為了學術(shù)界研究的熱點。作為機器人接受外界信息的主要來源，基于視覺系統(tǒng)的操作動作識別成為人機示教學習的基本任務之一。人的行為具有多層次、上下文相關(guān)的特點，因而如何結(jié)合環(huán)境信息與動作信息識別示教時人的操作動作具有重要的研究意義。
　　本文在智能裝配機器人示教學習的項目背景下，以示教時機器人能夠準確識別裝配操作動作為目的，在物體追蹤、靜態(tài)手勢的檢測與識別和動態(tài)手勢

2、識別等方面展開研究。本文的主要研究內(nèi)容和成果包括以下幾個方面:
　　1.提出并實現(xiàn)了一種結(jié)合全局目標描述和局部模板更新的目標追蹤算法。該算法以貝葉斯參數(shù)估計作為整體框架，觀測模型中提取目標的全局Haar特征經(jīng)RIP矩陣降維作為觀測特征。動態(tài)模型部分針對粒子濾波采樣產(chǎn)生的各樣本，經(jīng)樸素貝葉斯計算各樣本的狀態(tài)后驗，選擇后驗概率最大的粒子作為當前幀的跟蹤結(jié)果。其中貝葉斯分類器參數(shù)由模板集訓練得到，模板更新時，對新加入的模板圖像依稀疏表示

3、對該圖像的各局部區(qū)域進行重建，依據(jù)重建誤差剔除掉模板圖像中受遮擋的局部圖像塊，避免更新時發(fā)生的跟蹤漂移。本文在不同數(shù)據(jù)上測試了上述算法，實驗結(jié)果表明本文的算法在目標發(fā)生遮擋，背景存在相似物及光照變化等情況下，均能穩(wěn)定的跟蹤指定目標。
　　2.設計并實現(xiàn)了基于膚色的人手分割和綜合多種靜態(tài)特征的手勢識別方法。通過分析不同人種間膚色像素分布的特點，在非線性YCbCr空間實現(xiàn)了基于膚色的圖像人手的定位和分割。針對不同類別的手勢樣本，先后引

4、入多層HOG和Zernike矩特征描述手勢形狀，同時考慮到核函數(shù)對非線性特征的提取能力，使用KernelPCA提取手勢圖像像素間的非線性關(guān)系作為手勢特征，綜合以上三種特征，使用最近鄰分類方法，對11種不同手勢數(shù)據(jù)進行分類，分類的平均準確度達到了98％。
　　3.提出并實現(xiàn)了基于連續(xù)型隱馬爾科夫模型的手勢操作動作建模，其中手勢形狀特征作為模型觀測，模型的參數(shù)經(jīng)由最大期望算法得到。針對不同的操作動作分別訓練得到其對應的HMM模板，依據(jù)