基于動態(tài)模糊神經(jīng)網(wǎng)絡的手勢識別算法研究.pdf

1、手勢是一個自然、直觀的交互工具，在需求高的人機交互中有著重要的作用，它不僅是一個交流信息的通道，更是一個示范學習的載體。通過手勢，人們可以和機器人自然的溝通，使得機器人可以根據(jù)人們的意圖完成一些高難度、高危險的任務，降低任務的危險性，得到人們首肯。但是現(xiàn)在通過手勢的人機交互還不成熟，并且使用價值不高，所以手勢識別成為近年來研究的熱點和難點。
　　 從人機自然交互的角度出發(fā)，本文研究了獨立于用戶視角的手勢識別方法，提出了基于動態(tài)模

2、糊神經(jīng)網(wǎng)絡的手勢識別算法，目前算法主要致力于靜態(tài)手勢的方面?？紤]到正向的手勢特征不足以充分描述自然手勢，本文使用了完備特征集來描述手勢特征，根據(jù)Zernike矩的重構(gòu)圖像和原始圖像的海明距離來判斷Zernike矩的最高階次，確定手勢的完備特征集。在特征降維方面，從分類準確性和保持原始圖像點與點之間的幾何關(guān)系的角度出發(fā)，本文采用等距離映射(Isomap)方法來對手勢特征降維。在分類方面，本文構(gòu)造了基于動態(tài)模糊神經(jīng)網(wǎng)絡的分類器，用來對輸入樣

3、本的進行分類。在識別階段，提取測試樣本集的特征作為訓練好的分類器的輸入進行判斷。
　　 接下來，本文分析了基于動態(tài)模糊神經(jīng)網(wǎng)絡的手勢識別算法的性能并指出目前存在的問題，而且提出了解決方案。最后本文利用實驗證明，zernike矩的手勢完備特征集能等價描述手勢特性，同時實驗結(jié)果顯示，用Isomap降維后的特征保存了點與點幾何關(guān)系。分類器的性能比較實驗顯示，基于動態(tài)模糊神經(jīng)網(wǎng)絡的分類在性能方面優(yōu)于RBF分類器、BP分類器和LQV分類器