手勢跟蹤與識別技術(shù)在人機交互中的應(yīng)用研究.pdf

1、隨著計算機視覺技術(shù)的發(fā)展以及人們對新的人機交互手段的需求，基于計算機視覺的交互系統(tǒng)逐漸的發(fā)展起來。由于手勢是人類最自然的表達方式之一，所以手勢識別技術(shù)也成為人機交互領(lǐng)域的一個極富挑戰(zhàn)性的課題，也是近些年的研究熱點。有著重要的理論研究價值和應(yīng)用前景。
　　 廣義的手勢識別包括手勢跟蹤和手勢識別兩個方面的內(nèi)容。進行手勢跟蹤的目的是為了獲取手勢運動特征，從而識別動態(tài)手勢。本文對手勢的靜態(tài)識別和動態(tài)識別分別進行了研究，主要研究內(nèi)容包括：

2、
　　 靜態(tài)手勢識別：在手勢圖像中提取手勢時，先將手勢圖像轉(zhuǎn)換成HSV顏色空間，然后采用基于膚色信息的分割方法對圖像中的手勢進行動態(tài)分割。利用Hu矩描述子來描述手勢的特征，然后采用Chamfer距離模板匹配方法進行識別，本文對6種靜態(tài)手勢建立了手勢模板庫，進行了手勢的靜態(tài)識別實驗，并取得了理想的實驗結(jié)果，正確識別率均在90％以上。
　　 手勢跟蹤：在對動態(tài)手勢進行識別時，利用Camshift算法實現(xiàn)基于膚色的手勢跟蹤?？?/p>

3、慮到圖像中存在大面積膚色干擾的問題，本文還提出了基于Camshift和Kalman濾波的手勢跟蹤算法，可以取得更好的跟蹤效果。
　　 動態(tài)手勢識別：對動態(tài)手勢進行了跟蹤以后，利用隱馬爾可夫模型實現(xiàn)動態(tài)手勢的識別，通過提取動態(tài)手勢測試樣本的手型特征和手勢運動軌跡特征，對隱馬爾可夫模型進行訓練，然后利用該模型進行動態(tài)手勢的識別。在實驗中，動態(tài)手勢樣本選用3種手型的7種運動軌跡，總共21種動態(tài)手勢類型。采用本文的方法進行了動態(tài)手勢識別