動(dòng)態(tài)手勢(shì)跟蹤識(shí)別與人機(jī)交互技術(shù)研究.pdf

1、當(dāng)今時(shí)代，隨著計(jì)算機(jī)和人工智能技術(shù)的不斷向前發(fā)展，計(jì)算機(jī)早已滲透到人類生活的各個(gè)方面，成為了我們生活中不可缺少的部分。尤其是隨著人臉識(shí)別、手勢(shì)識(shí)別和體態(tài)控制等領(lǐng)域研究的不斷深入，各種人機(jī)交互技術(shù)的成果層出不窮。其中，手勢(shì)識(shí)別技術(shù)具有的易操作性和純自然性，使得該技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域，例如體感游戲、機(jī)器人控制、增強(qiáng)現(xiàn)實(shí)、智能家居、手勢(shì)識(shí)別等。手勢(shì)識(shí)別技術(shù)正在逐漸的改變著人們的日常生活方式。
　　本文就動(dòng)態(tài)手勢(shì)跟蹤識(shí)別與人機(jī)交互技術(shù)

2、的相關(guān)算法具體介紹如下：
　　1.分別研究了基于普通攝像頭平臺(tái)和基于 Kinect平臺(tái)的手勢(shì)分割算法。在基于普通攝像頭平臺(tái)上，首先，使用鼠標(biāo)選擇出膚色目標(biāo)，并根據(jù)此區(qū)域建立膚色模型。然后，把圖像中的膚色信息和通過(guò)跟蹤算法得到的運(yùn)動(dòng)信息進(jìn)行融合。最后，利用分割算法將手勢(shì)從復(fù)雜背景中分割出來(lái)。在基于 Kinect平臺(tái)上，將彩色圖中的膚色分割算法和深度圖中的深度直方圖算法融合起來(lái)，對(duì)手勢(shì)進(jìn)行分割，在深度圖和彩色圖中，實(shí)現(xiàn)了手勢(shì)的自適應(yīng)分

3、割。
　　2.在特征提取與靜態(tài)手勢(shì)識(shí)別階段，研究了基于模板匹配和基于多特征融合的兩種靜態(tài)手勢(shì)識(shí)別算法。在基于模板匹配的算法中，首先，提取手勢(shì)區(qū)域窗口、手勢(shì)的方向、手勢(shì)輪廓的周長(zhǎng)和面積等特征。然后，基于以上特征進(jìn)行模板匹配，完成靜態(tài)手勢(shì)識(shí)別。在基于多特征融合的單、雙手識(shí)別中，首先，結(jié)合深度信息，有效的提取出感興趣手勢(shì)區(qū)域的RGB圖和深度圖。然后，將深度圖的加權(quán)Hu（Hu invariant moments）矩特征與RGB圖的HOG（

4、Histogram of Oriented Gradients）特征進(jìn)行融合，建立支持向量機(jī)模型（support vector machine mode SVM）對(duì)靜態(tài)手勢(shì)進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)9種手勢(shì)的識(shí)別率都高達(dá)95％以上。
　　3.在動(dòng)態(tài)手勢(shì)識(shí)別階段，結(jié)合隱馬爾可夫模型（Hidden Markov Model HMM），對(duì)有效的軌跡樣本進(jìn)行訓(xùn)練，并對(duì)輸入手勢(shì)的質(zhì)心軌跡進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確的識(shí)別出6

5、種預(yù)定義的手勢(shì)運(yùn)動(dòng)軌跡。
　　4.在人機(jī)交互階段，通過(guò)TCP協(xié)議，將手勢(shì)與飛行器的視景仿真系統(tǒng)進(jìn)行整合，在此虛擬系統(tǒng)中，實(shí)現(xiàn)了對(duì)無(wú)人機(jī)飛行軌跡的手勢(shì)控制，完成了人機(jī)交互功能。
　　本文在多特征融合基礎(chǔ)上，結(jié)合支持向量機(jī)模型（support vector machine mode SVM），實(shí)現(xiàn)了復(fù)雜背景下的單、雙手的手勢(shì)識(shí)別。在人機(jī)交互中，通過(guò)局域網(wǎng)，將手勢(shì)識(shí)別結(jié)果與三維視景仿真系統(tǒng)中的無(wú)人機(jī)聯(lián)系起來(lái)，通過(guò)手勢(shì)的變換，完成對(duì)