大屏幕人機(jī)互動(dòng)中若干關(guān)鍵技術(shù)研究.pdf

1、大屏幕多媒體的展示系統(tǒng)越來越多地應(yīng)用在各種場(chǎng)合，例如科技館、展覽館等場(chǎng)所，而日前大屏幕人機(jī)交互還沒有完善的解決方案。手勢(shì)交互具有交互自然、體驗(yàn)性好等優(yōu)勢(shì)，更符合人類交互的的需求，已經(jīng)成為大屏幕人機(jī)交互方案的研究熱點(diǎn)。
　　 大屏幕人機(jī)交互主要涉及三個(gè)方面的內(nèi)容，人機(jī)交互時(shí)交互人體的跟蹤，交互手勢(shì)的跟蹤與識(shí)別，以及交互時(shí)涉及到的文字輸入問題。本文論文主要貢獻(xiàn)如下:
　　 在物體檢測(cè)方面提出了一種高斯背景模型快速更新背景機(jī)制

2、，利用即時(shí)背景差分和高斯混合模型相結(jié)合的方法，解決在光線瞬間變化等情況下，高斯背景由于更新背景速度慢，導(dǎo)致前景誤檢測(cè)問題。
　　 在人體跟蹤方面探討了基于Meanshift的跟蹤算法，針對(duì)Meanshift的單一顏色特征和整體目標(biāo)區(qū)域建立模型，在目標(biāo)尺度變化、光線變化情況下魯棒性差的問題，提出基于分模塊和對(duì)每個(gè)模塊采用紋理和顏色特征建立模型，大大提高了算法的魯棒性。并探討了人體遮擋情況下的人體跟蹤算法，結(jié)合卡爾曼濾波預(yù)測(cè)算法，在

3、人體完全遮擋的情況下取得了良好的跟蹤效果。
　　 提出了一種簡(jiǎn)單的雙目視覺定位方法，利用攝像頭的投影幾何原理和空間直線的關(guān)系，避免了傳統(tǒng)雙目視覺定位的復(fù)雜的攝像頭標(biāo)定流程，不利于實(shí)際場(chǎng)合使用。在精度不變的情況下，提高了實(shí)用性。
　　 提出了一種通過識(shí)別靜態(tài)手勢(shì)，向拼音輸入法輸入拼音，以達(dá)到利用手勢(shì)向系統(tǒng)輸入漢字功能。利用深度圖像分割出靜態(tài)手勢(shì)，避免了傳統(tǒng)RGB攝像頭采集手勢(shì)時(shí)，受慣性、背景復(fù)雜性以及光照等影響，提高了魯棒

4、性。在提取靜態(tài)手勢(shì)特征上，采用SIFT特征提取方法，既保留了輪廓的各種旋轉(zhuǎn)，縮放不變形，又加強(qiáng)了局部區(qū)域特征，提高識(shí)別率。手勢(shì)分類則采用了SVM方法，構(gòu)造一個(gè)多分類樹結(jié)合漢字拼音的規(guī)則，能提供一分鐘十個(gè)漢字左右的輸入方法，可以有效地滿足搜索等需要關(guān)鍵字的文字輸入需求。
　　 在動(dòng)態(tài)手勢(shì)交互方面，動(dòng)態(tài)手勢(shì)跟蹤利用粒子濾波能夠處理非線性目標(biāo)以及非高斯分布系統(tǒng)的特性，使用粒子濾波算法對(duì)手勢(shì)進(jìn)行跟蹤，獲取手勢(shì)軌跡。傳統(tǒng)的粒子濾波在樣本重

5、采樣過程中，會(huì)造成樣本的“貧化”問題，本文利用樣本周圍像素產(chǎn)生樣本，利用Hausdorff距離計(jì)算個(gè)各樣本的權(quán)值，利用隨機(jī)平均分布獲得隨機(jī)數(shù)，通過周圍像素產(chǎn)生的樣本獲得偽隨機(jī)樣本，解決重采樣造成的樣本“貧化”問題。得到手勢(shì)的軌跡，利用16方向角進(jìn)行離散量化，作為手勢(shì)識(shí)別的輸入向量。由于隱式馬爾科夫鏈(HMM)可以同時(shí)對(duì)空間和時(shí)間相關(guān)關(guān)系建立模型，適用于動(dòng)態(tài)手勢(shì)識(shí)別。傳統(tǒng)的HMM初始狀態(tài)個(gè)數(shù)是根據(jù)經(jīng)驗(yàn)值，而本文提出一種利用關(guān)鍵點(diǎn)算法對(duì)不同

6、的手勢(shì)初始狀態(tài)設(shè)定不同的值，使得初始狀態(tài)設(shè)定有個(gè)參考機(jī)制。在選擇訓(xùn)練樣本時(shí)，利用混沌算法，找出訓(xùn)練樣本的最優(yōu)值，使得訓(xùn)練出的HMM模型具有全局最優(yōu)特性。利用一種閾值的方法，對(duì)傳統(tǒng)HMM方法進(jìn)行改進(jìn)，使得HMM具有一定的拒識(shí)率，最大可能地排除輸入的錯(cuò)誤手勢(shì)，提高識(shí)別率，實(shí)驗(yàn)驗(yàn)證了方法的有效性，可以進(jìn)行人機(jī)交互。
　　 通過實(shí)驗(yàn)可以驗(yàn)證，本文有效地解決了的大屏幕多媒體交互中出現(xiàn)的三個(gè)問題，可以使用戶在大屏幕入機(jī)交互中有較好的，更自然