基于自適應活動輪廓模型的手勢跟蹤方法研究.pdf

1、隨著計算機技術的不斷發(fā)展，基于計算機視覺的智能控制與人機交互得到越來越多人的關注。能夠滿足人們大量數(shù)據(jù)交互需求的新型人機交互技術是未來計算機發(fā)展的趨勢之一。手勢跟蹤與識別作為便捷的、自然的人機交互手段，其重要性也越來越明顯。
　　 本文從智能控制與人機交互的角度出發(fā)，研究了基于自適應活動輪廓模型的手勢跟蹤技術。論文從手勢檢測與分割、手勢跟蹤、模型更新及結果預測和自適應活動輪廓的實時跟蹤等方面進行了研究。論文的具體研究工作有以下幾

2、點：
　　 1.針對現(xiàn)有手勢檢測不準確、手勢分割偏差等問題，提出一種基于橢圓膚色模型的手勢檢測與分割方法。該方法首先將YCbCr顏色空間中的膚色分布投影到CbCr空間中，利用膚色投影在該空間近似橢圓的特性檢測膚色區(qū)域；然后，結合基于運動信息的幀間差分方法對手勢進行檢測并分割；最后，利用Canny算子提取手勢輪廓。仿真實驗表明：該方法在復雜的場景環(huán)境下進行手勢分割能夠取得較好的效果。
　　 2.針對實時條件下對手勢進行跟蹤

3、所面臨的周圍環(huán)境中相同膚色及微小運動對跟蹤效果產(chǎn)生較大影響的問題，本文提出一種將混合高斯模型與MeanShift算法相結合的手勢精確跟蹤方法。該方法首先利用混合高斯模型對周圍背景進行建模，然后利用背景差分法獲取手勢的圖像，并對手部膚色進行建模，自動獲取跟蹤目標，最后利用MeanShift算法對獲取的手勢進行跟蹤。仿真實驗表明：本文提出的方法在復雜環(huán)境下對手勢進行跟蹤，取得了很好的效果，跟蹤效率明顯提高。尤其在手勢發(fā)生形變的時候，本文算法

4、表現(xiàn)出較強的穩(wěn)定性。
　　 3.針對跟蹤過程中目標模型會產(chǎn)生變化影響跟蹤結果的問題，本文提出一種基于MeanShift的手勢模型更新與結果預測的方法。該方法首先利用背景差分與膚色檢測結合的方式檢測并獲取手勢模型，然后利用MeanShift算法對手勢進行跟蹤并對手勢模型進行更新，最后利用Kalman算法對手勢跟蹤結果進行預測。仿真實驗表明：該方法減少了周圍環(huán)境對手勢跟蹤過程的影響，跟蹤效果較好。
　　 4.針對手勢跟蹤過程

5、中手勢變化及形變會影響手勢跟蹤結果等問題，本文提出一種基于水平集的自適應活動輪廓模型的手勢跟蹤方法。該方法首先利用橢圓膚色模型與幀間差分方法對手勢進行檢測與分割，然后利用分割結果對水平集初始化并對水平集進行迭代更新，最后利用Kalman算法對手勢輪廓進行跟蹤。仿真實驗表明：該方法能夠對手勢輪廓進行很好的跟蹤。
　　 5.在VC++6.0的基礎上，利用OpenCV視覺庫實現(xiàn)了一個簡單的實時手勢跟蹤系統(tǒng)。該系統(tǒng)自動分割并且選取手勢作