針對手臉交互行為的手勢識別算法研究.pdf

1、在手語識別和異常行為檢測領(lǐng)域中，手臉交互行為識別是其中一個重要的、極具挑戰(zhàn)的研究方向。手語教材中有大量的手臉近距離交互詞匯和語句，同樣對于吸煙等異常行為的識別也需要采用手勢作為判據(jù)，來彌補在遇到復雜環(huán)境等因素影響時難以進行識別的缺陷。而對于手臉交互行為識別研究所面臨的挑戰(zhàn)主要來自于手臉膚色、紋理的相似性、手臉距離較為貼近，以及手臉交互行為實驗樣本數(shù)據(jù)集在數(shù)量和質(zhì)量上的局限性。因此，對基于視覺的手臉交互行為的手勢識別的研究具有非常重要的價

2、值和意義。
　　本文在利用硬件設備采集場景中的RGBD數(shù)據(jù)，來建立手臉交互行為的數(shù)據(jù)集，并提出一種融合深度信息，基于模糊C均值聚類協(xié)同偏移場矯正的多項水平集的手勢分割方法。首先采用核模糊C均值聚類，對手臉遮擋圖像進行粗分割和灰度增強，以實現(xiàn)手臉分離。其后，引入初始化水平集函數(shù)，利用偏移場矯正的多相水平集理論來解決聚類方法常導致的手勢區(qū)域像素缺失問題。
　　為提高特征向量對目標特征描述的準確性和可靠性，對傳統(tǒng)的方向梯度直方圖(

3、Histogram of Oriented Gradient,HOG)特征進行改進，提出一種基于深度信息的方向梯度直方圖特征。由于深度信息具有對物體空間信息描述完備準確，且方向梯度直方圖具有對圖像局部區(qū)域的方向梯度描述準確的特點。所以，深度方向梯度直方圖特征能夠有效的對手勢形狀以及內(nèi)部紋理信息進行描述，并且受環(huán)境影響較小,具有較強的可靠性和適應性。
　　由于手臉交互行為識別問題處于研究的初級階段，先驗知識較少。本文主要利用泛化能力