復(fù)雜背景下的手勢(shì)識(shí)別算法研究.pdf

1、隨著現(xiàn)代科技的迅猛發(fā)展，人與計(jì)算機(jī)等機(jī)器的交互方式也越來(lái)越多樣化。傳統(tǒng)操作方式由于其操作上具有一定的約束性，已經(jīng)滿足不了人們對(duì)更自然和諧的人機(jī)交互方式的追求。手勢(shì)識(shí)別，作為一種更加“人性化”的交互方式，受到人們廣泛的關(guān)注和追捧。但是由于手勢(shì)的多變性、多樣性、多義性和時(shí)空差異性等特點(diǎn)，加之光照、背景等干擾，基于視覺的手勢(shì)識(shí)別在技術(shù)上還存在很多困難。針對(duì)這些問(wèn)題，本文分別對(duì)復(fù)雜背景下的靜態(tài)和動(dòng)態(tài)的手勢(shì)識(shí)別算法進(jìn)行研究。
　　針對(duì)現(xiàn)在基

2、于計(jì)算機(jī)視覺的靜態(tài)手勢(shì)識(shí)別的研究中要么需要較為復(fù)雜且昂貴的輸入設(shè)備，不利于自然靈活的人機(jī)交互，要么容易受到背景中人臉等膚色物體的干擾，導(dǎo)致識(shí)別率和實(shí)時(shí)性的效果均不佳，本文設(shè)計(jì)了一個(gè)采用普通攝像頭的基于計(jì)算機(jī)視覺的靜態(tài)手勢(shì)識(shí)別系統(tǒng)。首先，采用基于人臉先驗(yàn)知識(shí)的自適應(yīng)膚色分割和基于混合高斯模型的前景分割，定位到手勢(shì)區(qū)域;然后，分析得到手勢(shì)區(qū)域，提取不變性特征值，分別采用BP神經(jīng)網(wǎng)絡(luò)算法和SVM算法訓(xùn)練、分類特征向量實(shí)現(xiàn)數(shù)字1-9的9個(gè)手勢(shì)識(shí)

3、別。其中基于BP神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別系統(tǒng)的平均識(shí)別率為91.89％，而基于SVM的識(shí)別系統(tǒng)的平均識(shí)別率為95.89％，能夠比較準(zhǔn)確的識(shí)別出手勢(shì)。
　　針對(duì)動(dòng)態(tài)手勢(shì)軌跡識(shí)別中，手勢(shì)容易受到人臉、遮擋等影響致使跟蹤丟失或者丟失后難以召回手勢(shì)，以致識(shí)別率不佳的問(wèn)題，本文設(shè)計(jì)了一個(gè)實(shí)現(xiàn)10個(gè)動(dòng)態(tài)手勢(shì)軌跡識(shí)別的系統(tǒng)。首先，采用了TLD算法跟蹤有效的手勢(shì)模板，并對(duì)手勢(shì)結(jié)束后是否為跟蹤丟失的情況進(jìn)行一次判定，以獲得完整的手勢(shì)運(yùn)動(dòng)軌跡;然后，通過(guò)對(duì)