連續(xù)動態(tài)手勢識別的研究.pdf

1、人機交互(Human Computer Interaction，HCI)技術在各個領域內，都占據(jù)了重要的地位。手勢作為人機交互最直觀、形象和生動的手段，理所當然地成為研究人機交互課題中的熱點之一。本文利用單目攝像頭，對單手的運動進行識別研究。所以，本文以連續(xù)動態(tài)手勢識別的研究為題，主要解決手勢分割時，光照、人臉、手臂及類膚色對手掌分割的干擾，以及連續(xù)手勢識別時，如何將預定義的孤立手勢與非意義的動作區(qū)分開，如何確定一個手勢的起點和終點等這

2、些問題。為了完成本課題以及解決前面所提到的問題，本文對相應的算法進行了研究，提出了一定的解決方案，并進行了大量的實驗，實驗證明:本文提出的解決相應問題的方案是可行的，并取得了很好的結果。手勢識別過程中，主要包括手勢分割、特征提取和手勢識別三個關鍵環(huán)節(jié)，因此，本文的研究工作如下:
　　 1)采用融合膚色檢測和運動檢測的手掌分割方法，能夠有效解決光照、人臉、手臂及類膚色對手掌分割的干擾。本文首先進行圖像預處理，使光照均衡，并進行去噪

3、;然后采用YCbCr膚色檢測和單高斯背景差分法相結合的方法，能夠將相對靜止的人臉及類膚色去除掉，得到粗糙的手部區(qū)域;接著采用形態(tài)學中的開閉操作和標記連通區(qū)域的圖像后處理方法，能夠去除多余的小區(qū)域，填充孔洞，得到完整的手部區(qū)域。
　　 2)將方向鏈碼編碼的方法作為手勢運動軌跡的特征，該特征提取方法比較簡單，大大減少了計算量。手掌分割后，得到一系列手掌區(qū)域的質心點，連接這些質心點，得到手勢運動的軌跡。根據(jù)兩相鄰質心點的坐標，求得質心

4、點的夾角。本文采用12方向鏈碼，即用1～12來編碼這些夾角，最終得到一維特征向量。
　　 3)研究了基于隱馬爾科夫模型(Hidden Markov Model，HMM)的門限模型方法，并應用于連續(xù)動態(tài)手勢的識別，能夠將預定義的手勢和非意義的動作區(qū)分開，以及確定一個手勢的起點和終點。本文首先采用HMM對預定義的孤立動態(tài)手勢進行識別，得到每個預定義孤立動態(tài)手勢的HMM;然后將每個預定義孤立動態(tài)手勢的HMM合并成一個基于HMM的門限模