基于手勢識別的實時人機交互系統(tǒng)研究與實現(xiàn).pdf

1、隨著多媒體技術(shù)的不斷發(fā)展，計算機視覺技術(shù)正在逐步進入人們的日常生活，如人臉識別、體感游戲、指紋識別、電子監(jiān)控等技術(shù)，其自然而貼切的特點日益受到大眾的追捧。與此相對，傳統(tǒng)的人機交互技術(shù)（HCI，human-computer interaction）逐漸受到人們的質(zhì)疑，其單調(diào)的工作方式受到人們的詬病，而手勢作為一種直觀而自然的交流手段，正逐漸成為人機交互領(lǐng)域研究的熱點。本文以設(shè)計基于手勢識別的實時人機交互系統(tǒng)為目標，將手勢識別劃分為三個層次

2、：手勢分割，手勢跟蹤和手勢識別。將Kinect作為數(shù)據(jù)源，針對特征分析和手勢識別分別提出了DB-HPR和SW-HMM HGR算法，設(shè)計并實現(xiàn)了基于手勢識別的實時人機交互系統(tǒng)。
　　論文首先介紹了當前手勢識別的基本理論，對手勢識別的關(guān)鍵問題以及目前主要處理方法予以分析，并對目前手勢識別技術(shù)作了簡要對比。針對其中分割和識別存在的問題，提出論文的研究目標和主要研究內(nèi)容。
　　其次，論文根據(jù)目前手勢分割及特征提取方面存在的不足，提出

3、基于深度數(shù)據(jù)的手部識別算法DB-HPR。算法以提取到的深度數(shù)據(jù)和骨骼數(shù)據(jù)為基礎(chǔ)，采用距離變換方式重新定位手心位置，利用粗細定位對手指指尖予以過濾，得到更為準確的指尖位置，并根據(jù)人手固有角度屬性區(qū)分指尖，在實驗中取得了良好的效果。
　　再次，論文利用隱馬爾科夫模型（HMM-Hidden Markov Model）進行手勢建模，并對隱馬爾可夫模型評估問題進行改進，提出利用滑動窗口分析手勢特征序列的SW-HMM手勢識別算法。該方法首先分