復(fù)雜背景下二維實時手勢識別技術(shù)研究.pdf

1、本文側(cè)重于研究復(fù)雜背景下實時的二維手勢分割以及利用不同的方法進行二維手勢識別。手勢分割是整個識別分析的關(guān)鍵和前提，它的好壞直接影響系統(tǒng)的識別率。但是目前基于單目視覺的手勢識別技術(shù)中，手勢分割要求背景簡單或者要求識別者戴著笨重的數(shù)據(jù)手套。而本文改進了傳統(tǒng)的手勢分割技術(shù)，采用了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)K-L坐標(biāo)膚色模型和適應(yīng)周圍環(huán)境的運動信息；此外，本文還使用了前景信息以及包圍手勢的矩形區(qū)域的平面幾何信息等信息在復(fù)雜背景下進行手勢分割，與傳統(tǒng)的

2、基于RGB膚色模型的手勢分割相比，在復(fù)雜背景環(huán)境下得到了很好的分割效果。手勢形狀特征提取階段的任務(wù)就是估計選定的手勢模型的參數(shù)。在對分割的手勢區(qū)域進行預(yù)處理后，在本文中采用了一種簡易的基于拓撲學(xué)的特征提取技術(shù)進行簡單手勢識別；并且使用了一種新的歸一化的傅立葉描述子進行復(fù)雜手勢的特征提取。手勢識別過程就是把模型參數(shù)空間里的軌跡(或點)分類到該空間里某個子集的過程。本文成功應(yīng)用在語音識別領(lǐng)域中的識別方法(隱馬爾可夫模型HMM)，對預(yù)定的30