基于Kinect深度圖像的手勢識別算法研究.pdf

1、近年來，隨著計算機技術(shù)的飛速發(fā)展，人機交互越來越成為人們工作與生活中的一個重要組成部分，人機交互也逐漸變得越來越簡單和自然。手勢交互以其自然、簡潔、直接和豐富等特點，成為人機交互領(lǐng)域中的重要研究方向和熱點之一?；谝曈X的手勢交互以人手動作直接作為交互的輸入，人機之間通訊不再依賴其他中間媒介，用戶可以自由地定義需要的手勢來對設(shè)備進行操作，大大提高了人機交互的靈活性，是人機交互未來的發(fā)展趨勢。但是由于手勢本身具有多樣性、多義性以及交互場景時

2、間和空間上的差異性等特點，基于視覺的手勢交互的廣泛應(yīng)用仍然面臨諸多困難和挑戰(zhàn)。
　　本文在分析國內(nèi)外手勢識別技術(shù)的基礎(chǔ)上，提出了一種新的基于視覺的手勢識別方法。通過手勢檢測、手勢特征提取和手勢分類三個部分詳細介紹我們提出的基于彩色深度圖像的實時手勢識別方法。首先在手勢檢測部分將深度信息和彩色信息相結(jié)合，提出了基于自適應(yīng)深度直方圖的閾值方法，對輸入的深度圖像進行手勢區(qū)域分割，提取深度圖像中的手勢區(qū)域；采用改進的貝葉斯概率分類方法，對

3、輸入的彩色圖像進行膚色分割，檢測膚色信息；最后使用基于區(qū)域生長的方法對手勢區(qū)域和膚色信息的邊緣進行匹配，修復(fù)手勢區(qū)域的準確輪廓，獲得最終的手勢圖像。然后在手勢特征提取部分，梯度方向直方圖特征被用于手勢圖像的描述。該特征已被成功應(yīng)用于行人檢測，并且對于手勢圖像的描述也具有良好的效果。梯度方向直方圖特征對于旋轉(zhuǎn)和光照變化具有較好的魯棒性。最后在手勢分類部分，極限學(xué)習(xí)機和支持向量機被用于識別不同手勢，并通過離線測試和實時測試檢測被提出的手勢識