基于特征提取的手勢(shì)識(shí)別技術(shù)研究.pdf

1、手勢(shì)是人與人之間一種非常重要的交流方式，在人機(jī)交互的研究中也有非常大的實(shí)用性。隨著計(jì)算機(jī)技術(shù)的發(fā)展，以及人與計(jì)算機(jī)之間的交互的多樣化，手勢(shì)識(shí)別技術(shù)涉及圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等領(lǐng)域的一個(gè)交叉學(xué)科，加之手勢(shì)的多樣性、多義性，以及時(shí)間和空間上的差異性等特點(diǎn)，因此手勢(shì)識(shí)別自然成為一個(gè)極具吸引力的研究課題。手勢(shì)識(shí)別的過程可分為手勢(shì)建模、手部數(shù)據(jù)的獲取、手部數(shù)據(jù)預(yù)處理、手部特征的提取、手部特征的識(shí)別五個(gè)階段。本文研究的是靜態(tài)手勢(shì)識(shí)別，主要通

2、過對(duì)目標(biāo)手勢(shì)進(jìn)行建模分析得到可能有效的特征參數(shù)，然后分析基于輪廓圖像的特征參數(shù)的提取方法，最后通過基于模版匹配的手勢(shì)識(shí)別算法對(duì)提取到的特征參數(shù)進(jìn)行實(shí)驗(yàn)，比較它們有效性。
　　 本文對(duì)基于三維模型的手勢(shì)建模和基于表現(xiàn)的手勢(shì)建模進(jìn)行比較分析，針對(duì)本文研究的待識(shí)別目標(biāo)樣本設(shè)計(jì)了一種基于表現(xiàn)的手勢(shì)模型--人手部Tortoise模型，它的優(yōu)點(diǎn)是將手指和手掌區(qū)分開來，能夠很好的描述手部的基本特征，便于分析特征參數(shù)。通過對(duì)人手部Tortois

3、e模型的分析，得到若干個(gè)可能有效的特征參數(shù)，具體包括手勢(shì)中伸出的手指的個(gè)數(shù)、手部輪廓的缺陷個(gè)數(shù)和手勢(shì)輪廓的面積與周長的比值。另外，圖像的不變矩特征作為圖像識(shí)別中的重要參數(shù)，本研究中也分析計(jì)算了7個(gè)Hu矩不變量作為特征參數(shù)。本文預(yù)處理部分重點(diǎn)比較了一般自適應(yīng)閾值分割方法和基于大津法的閾值分割方法對(duì)手勢(shì)分割的效果，實(shí)驗(yàn)證明利用基于大津法的閾值分割方法進(jìn)行手勢(shì)分割效果比一般自適應(yīng)閾值分割方法好。本文特征參數(shù)提取部分通過對(duì)人手部Tortoise

4、模型的分析，研究出計(jì)算手掌輪廓、手掌半徑、手掌重心、缺陷個(gè)數(shù)、手指?jìng)€(gè)數(shù)和輪廓面積與周長的比值的方法，尤其是通過凸多邊形驗(yàn)證等四個(gè)規(guī)則求手掌輪廓的方法，以及基于手掌輪廓的手指?jìng)€(gè)數(shù)的計(jì)算法方法。另外，本文研究Hu不變量，實(shí)現(xiàn)了基于輪廓圖像的Hu矩不變量的計(jì)算，得到7個(gè)Hu矩不變量。最后，本文對(duì)十個(gè)特征參數(shù)的計(jì)算結(jié)果進(jìn)行詳細(xì)分析，將所有特征參數(shù)分為三組，為了比較三組特征參數(shù)的有效性，設(shè)計(jì)了一套基于模版匹配的手勢(shì)識(shí)別系統(tǒng)，實(shí)驗(yàn)結(jié)果表明提取的十個(gè)