基于深度圖像的靜態(tài)手勢識別方法研究.pdf

1、近年來，人機交互應用越來越受到人們的關注，常見的有體感游戲，手語識別系統(tǒng)，虛擬現(xiàn)實體驗等等。其中最突出的手勢識別技術漸漸成為人機交互領域內(nèi)非常熱門的話題。較早的手勢識別系統(tǒng)，還基于傳統(tǒng)的捕獲設備，比如數(shù)據(jù)手套識別，該方法顯得非常不便捷，后期發(fā)展到彩色攝像機捕獲手勢設備，這種方法對于光照的明亮和背景要求較高，限制了它的發(fā)展。直到Kinect深度攝像機的出現(xiàn)，才打開手勢識別的新的篇章。
　　深度傳感器Kinect的問世，為計算機視覺領

2、域提供了新的方向，使得手勢識別過程中，檢測和分割手勢都變得更加容易，研究者們可以更加專心地研究手勢形狀的表達，提升識別效果。這項技術具有非常美好的前景，充分利用好Kinect所帶來的優(yōu)勢，可以將手勢識別提升到一個新的層次。本文基于現(xiàn)有的手勢識別技術框架，分別提出了手勢特征選擇算法、新的手勢三維投影方法和手勢區(qū)域特征加權融合方法，都取得了良好的識別效果。具體研究內(nèi)容包括：
　　1.本文提出了一種自適應特征選擇算法。采用什么特征來表示

3、手勢是一個重要的研究問題，目前的方法在識別過程中都選擇固定的特征。作者通過研究發(fā)現(xiàn)，不同特征的區(qū)分能力和它們的復雜度相關，區(qū)分能力強的特征通常復雜度也更高。與此同時，手勢識別的難度也有不同，難度較大的手勢需要采用區(qū)分能力更強的特征，而簡單的手勢采用簡單的特征就能得到較好的識別精度。本文提出在手勢識別過程中，通過分析待識別的手勢圖像的性質(zhì)，判斷該圖像的難易程度，采用不同的特征描述子去表達，從而在保證整體精度的同時，減小時間復雜度，加快識別