基于單目攝像頭的手勢(shì)識(shí)別方法研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)的迅速發(fā)展，人機(jī)交互已經(jīng)是人們?nèi)粘Ｉ钪械囊粋€(gè)重要組成部分。舊有的鍵盤、鼠標(biāo)等利用物理媒介進(jìn)行人機(jī)交互的方式已經(jīng)不能完全滿足用戶的需要。一些新型的人機(jī)交互方式逐漸成為研究的熱點(diǎn)，如手勢(shì)識(shí)別、語音識(shí)別、人臉識(shí)別等。將手勢(shì)作為人機(jī)交互手段，相比其他交互方式更加自然，也更加直接，在智能系統(tǒng)、機(jī)器人控制、多媒體教學(xué)、娛樂游戲等領(lǐng)域擁有廣泛的應(yīng)用前景。
　　本文研究的是單目視覺下利用手勢(shì)識(shí)別方法進(jìn)行虛擬輸入。涉及到的領(lǐng)域包括

2、圖像分割、指尖檢測(cè)、手勢(shì)跟蹤以及識(shí)別。所做的研究主要包括以下幾個(gè)方面:
　　1、在手勢(shì)分割方面，研究了目前常見的膚色空間模型，分析了YCbCr顏色空間的優(yōu)缺點(diǎn)，提出了結(jié)合膚色和運(yùn)動(dòng)信息的基于相鄰幀的自適應(yīng)高斯建模方法進(jìn)行膚色檢測(cè)，得到了較好的分割效果。
　　2、在指尖檢測(cè)方面，研究了基于曲率的指尖檢測(cè)方法，利用K-余弦算法以及K-medoids聚類方法對(duì)指尖點(diǎn)進(jìn)行篩選。對(duì)K-余弦算法提出了自適應(yīng)計(jì)算K值的方法，提高了指尖候選

3、點(diǎn)的選取精度，從而提高檢測(cè)的準(zhǔn)確性。
　　3、在手勢(shì)跟蹤階段，采用了經(jīng)典的Camshift跟蹤算法。由于CamShift是半自動(dòng)的算法，需要初始化目標(biāo)窗口。本文以張開的手掌作為起始動(dòng)作，并將此手掌的區(qū)域作為初始化窗口傳遞給CamShift算法。
　　4、在手勢(shì)識(shí)別階段，本文通過選取幾個(gè)明顯的特征值作為特征向量，利用模板匹配的方式進(jìn)行分類識(shí)別，對(duì)于動(dòng)態(tài)手勢(shì)則采用簡(jiǎn)單的DTW方法進(jìn)行識(shí)別。
　　最后，本文對(duì)手勢(shì)識(shí)別做了交互