基于HMM和運(yùn)動(dòng)軌跡的動(dòng)態(tài)手勢(shì)識(shí)別方法研究.pdf

1、近年來(lái)，手勢(shì)識(shí)別逐漸變成人機(jī)交互中的一種重要手段。相對(duì)于靜態(tài)手勢(shì)識(shí)別而言，動(dòng)態(tài)手勢(shì)識(shí)別在現(xiàn)實(shí)應(yīng)用中更加廣泛。而手勢(shì)軌跡是運(yùn)動(dòng)特征中的一種，其簡(jiǎn)單、魯棒的特性使其廣泛地應(yīng)用于行為識(shí)別中。論文從自然、直觀(guān)、實(shí)時(shí)的人機(jī)交互角度出發(fā)，結(jié)合手勢(shì)圖像序列的冗余特性和手勢(shì)軌跡序列的特征，基于隱馬爾科夫模型(Hidden Markov Model，HMM)對(duì)動(dòng)態(tài)手勢(shì)軌跡識(shí)別中的關(guān)鍵問(wèn)題展開(kāi)研究。針對(duì)動(dòng)態(tài)手勢(shì)序列中存在著大量的冗余信息，重點(diǎn)研究了簡(jiǎn)單、快

2、捷的關(guān)鍵幀提取方法和手勢(shì)特征提取方法來(lái)識(shí)別動(dòng)態(tài)手勢(shì)，實(shí)現(xiàn)了動(dòng)態(tài)手勢(shì)軌跡的實(shí)時(shí)識(shí)別。具體研究工作如下：
　　1．針對(duì)傳統(tǒng)動(dòng)態(tài)手勢(shì)識(shí)別方法的計(jì)算復(fù)雜度高、實(shí)時(shí)性差、識(shí)別率低等問(wèn)題，提出一種基于幀間差異度(Degree of Difference between Frames，DDF)和HMM的實(shí)時(shí)動(dòng)態(tài)手勢(shì)軌跡識(shí)別方法。該方法無(wú)需跟蹤動(dòng)態(tài)手勢(shì)的所有微小細(xì)節(jié)，僅通過(guò)DDF來(lái)提取關(guān)鍵幀，再對(duì)關(guān)鍵幀圖像通過(guò)基于膚色的手勢(shì)分割方法獲得目標(biāo)區(qū)域。

3、計(jì)算手勢(shì)目標(biāo)區(qū)域的中心到軌跡序列中心的距離作為軌跡的數(shù)據(jù)流，軌跡數(shù)據(jù)流經(jīng)過(guò)時(shí)間規(guī)整得到 HMM模型的輸入向量。再構(gòu)造 HMM模型來(lái)建立動(dòng)態(tài)手勢(shì)模型，最后使用訓(xùn)練得到的最佳轉(zhuǎn)移概率來(lái)識(shí)別未知的動(dòng)態(tài)手勢(shì)類(lèi)別。實(shí)驗(yàn)結(jié)果表明，該方法具有非常好的魯棒性及實(shí)時(shí)性，數(shù)字0~9的平均識(shí)別率達(dá)到87.67％、平均時(shí)間效率為0.46s。
　　2．針對(duì)關(guān)鍵幀提取算法得到的圖像中包含信息不足而導(dǎo)致可識(shí)別的種類(lèi)少以及識(shí)別率低等問(wèn)題，提出一種基于分塊特征(B

4、lock Feature of DDF，BF_DDF)的關(guān)鍵幀提取方法和膚色聚類(lèi)的手勢(shì)分割相結(jié)合的動(dòng)態(tài)手勢(shì)軌跡識(shí)別方法。該方法首先計(jì)算動(dòng)態(tài)手勢(shì)序列間的差異度，通過(guò)BF_DDF提取得到比較準(zhǔn)確的關(guān)鍵幀序列。使用基于膚色聚類(lèi)的方法對(duì)關(guān)鍵幀序列圖像進(jìn)行手勢(shì)分割得到目標(biāo)區(qū)域。最終，選取軌跡角度作為特征，使用HMM方法進(jìn)行動(dòng)態(tài)手勢(shì)建模和識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法在選取關(guān)鍵幀的同時(shí)，可以準(zhǔn)確獲取動(dòng)態(tài)手勢(shì)信息，提高了動(dòng)態(tài)手勢(shì)識(shí)別的實(shí)時(shí)性，同時(shí)保證了手