基于RGB-D深度信息的手勢識別研究.pdf

1、近年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，人機互動方式也在飛速發(fā)展。對于傳統(tǒng)的互動方式比如運用鍵盤、鼠標(biāo)等硬件來說，以手勢為方法的互動方式最直接最有效，也最順應(yīng)人們的生活習(xí)慣。為此，手勢識別具有廣闊的運用范圍，這也是人機互動范圍內(nèi)最受關(guān)注一個課題?；趩文繑z像頭的手勢識別方法很容易受到光照變化與類膚色的影響，讓識別結(jié)果會出現(xiàn)一些誤差。本文利用微軟最新設(shè)計的Kinect攝像鏡頭，可明顯地降低環(huán)境要素對手勢識別的干擾。本研究基于深度信息的RGB數(shù)據(jù)源

2、，提出并實現(xiàn)了在復(fù)雜背景條件下的靜態(tài)手勢識別及動態(tài)手勢跟蹤識別，所做工作如下：
　　1．首先自定義九種靜態(tài)手勢，其次引入膚色模型和深度信息提取精確的手勢區(qū)域數(shù)據(jù)，對手勢二值圖利用Border-Following算法獲取手勢輪廓，運用基于曲率檢測法定位指尖，從而確定手指數(shù)，同時計算指間夾角，引入決策樹，建立以手指數(shù)和指間最大夾角的決策樹模型，實現(xiàn)對自定義的九種靜態(tài)手勢的正確識別。實驗證明，該方法不受光照變化和復(fù)雜背景的影響，可快速有