視頻圖像中手勢(shì)連續(xù)輪廓提取方法研究與實(shí)現(xiàn).pdf

1、手勢(shì)輪廓提取在計(jì)算機(jī)視覺領(lǐng)域中具有非常重要的地位，例如手勢(shì)識(shí)別、手勢(shì)三維建模都需要使用手勢(shì)輪廓作為基礎(chǔ)。一個(gè)連續(xù)、不含背景物體輪廓的手勢(shì)輪廓是手識(shí)別或建模的重要前提。
　　本文分析了國(guó)內(nèi)外對(duì)手勢(shì)輪廓提取的研究現(xiàn)狀，并分析傳統(tǒng)的算法所存在的問(wèn)題，發(fā)現(xiàn)目前存在的方法對(duì)背景的復(fù)雜程度、光照強(qiáng)度、膚色較為敏感，這些問(wèn)題導(dǎo)致提取出來(lái)的手勢(shì)輪廓是不連續(xù)、包含背景物體輪廓的。為了解決傳統(tǒng)算法提取出來(lái)的手勢(shì)輪廓存在的問(wèn)題，本文深入地研究了手在圖像

2、中的定位和輪廓斷點(diǎn)連接這兩個(gè)問(wèn)題。為了去除背景物體輪廓，本文從手腕、手掌、手指的定位出發(fā)，減少目標(biāo)輪廓的搜索范圍；為了使提取出來(lái)的輪廓是連續(xù)的，本文從分析斷點(diǎn)所在曲線在該點(diǎn)的斜率和周圍點(diǎn)的情況出發(fā)，以最優(yōu)的方式連接斷點(diǎn)。本文研究和使用了基于手指模型的定位算法，基于手腕-手掌模型的定位算法，GMM（Gaussian Mixture Model）定位算法，以及輪廓斷點(diǎn)連接算法。
　　本論文所做工作如下：（1）基于手指模型的定位算法利用

3、手指的幾何特征（輪廓光滑、關(guān)于指尖有較好的對(duì)稱性、指尖彎曲角度）在粗糙輪廓中搜索手指并定位手指。只要圖像中存在手指，手指便可以很好地被識(shí)別出來(lái)，且該算法并不依賴于背景的復(fù)雜程度或是光照強(qiáng)度。（2）基于手腕-手掌的定位算法利用手腕和手掌的特征去搜索手腕和手掌部分，該算法精度高，只要圖像中同時(shí)存在手腕和手掌，那么它們就可以很好地被搜索出來(lái)。（3）為了連接不連續(xù)的輪廓，本文提出了一種新型算法：連續(xù)輪廓提取算法。該算法對(duì)斷點(diǎn)情況進(jìn)行分類，根據(jù)不