基于Hu矩和結(jié)構(gòu)特征的靜態(tài)手勢識別研究.pdf

1、在人機交互研究中，手勢因其直觀性和符合人們行為習(xí)慣等特點，增大了將它作為計算機輸入方式的可能性。手勢識別技術(shù)可以改變傳統(tǒng)人機交互的輸入方式，降低傳統(tǒng)輸入方式對外部設(shè)備的依賴。但是，由于同一手勢在不同的應(yīng)用背景下存在不同的解讀，且手部本身是一種極度柔軟的變形體，諸如此類的難題都為手勢識別中特征的提取增加難度。
　　本文詳細論述了現(xiàn)有手勢識別技術(shù)的發(fā)展?fàn)顩r及其中相關(guān)技術(shù)要點，對手勢識別中指尖點檢測、特征提取等關(guān)鍵技術(shù)進行了深入研究，應(yīng)

2、用抗形變特征和支持向量機相結(jié)合的手勢識別方法，通過預(yù)定義的五種手勢的識別效果來驗證本文算法的有效性。
　　首先，在手勢數(shù)據(jù)采集階段，本文利用Kinect采集手勢視頻流中包含手勢深度信息的深度圖像數(shù)據(jù)；在手勢分割階段，利用深度信息和手心位置設(shè)定分割閾值，提高手勢分割的適應(yīng)性和魯棒性；再次，在特征提取階段，選用抗形變特征，以處理特征提取時手勢旋轉(zhuǎn)、尺度放縮、傾斜、手指彎曲等形變問題；最后，在手勢識別階段，根據(jù)本文所采集樣本的實際情況選

3、擇徑向基核函數(shù)的 SVM作為本文的分類器進行識別測試。
　　本文的研究工作主要貢獻在于指尖檢測和特征提取這兩個部分：
　　1、提出CH-CD指尖檢測算法。根據(jù)凸包和手勢輪廓的交集對指尖點進行粗檢測得到候選指尖點，再結(jié)合缺陷塊的點序列進行細檢測以判定得到正確的指尖點。將本文的CH-CD算法與現(xiàn)有算法進行量化比較，驗證本文提出的CH-CD檢測算法的有效性，并將該算法用于描述本文的結(jié)構(gòu)特征；
　　2、提出一種靜態(tài)手勢特征提取