人機交互中的手勢分割及識別關(guān)鍵技術(shù)的研究.pdf

1、隨著計算機和互聯(lián)網(wǎng)的迅速普及，人機交互活動逐漸成為人們?nèi)粘Ｉ畹闹匾M成部分。它在智能家居、智能企業(yè)辦公、醫(yī)院安全監(jiān)控、智能教育等領(lǐng)域得到了廣泛的應(yīng)用。它填補了人與電子設(shè)備之間互動交流的空白。傳統(tǒng)的人機交互方式，比如鍵盤、鼠標(biāo)、遙控、觸摸屏等，都需要人去適應(yīng)機器，需要人按照預(yù)先設(shè)定的規(guī)范去操作，而現(xiàn)今技術(shù)的發(fā)展使得人機交互的方式有了更多的選擇?；谑謩葑R別的人機交互以直接操作為主，使人機交互技術(shù)從以機器為中心逐步轉(zhuǎn)移到以人為中心，符合人

2、的交流習(xí)慣。因此，基于機器視覺的手勢識別正逐漸被開發(fā)和應(yīng)用于工程中。
　　本文的研究內(nèi)容主要包括基于混合高斯模型的手勢分割算法以及基于深度卷積神經(jīng)網(wǎng)絡(luò)的手勢分類算法。本文首先介紹了手勢識別技術(shù)領(lǐng)域的研究背景及意義，并對十幾年來國內(nèi)外手勢識別算法的研究現(xiàn)狀進行了充分的分析，對手勢識別算法應(yīng)用過程中遇到的問題及改進的措施進行了詳細(xì)的描述。論文主要內(nèi)容包括以下幾個方面:
　　1.詳細(xì)的介紹了手勢識別過程中的一個難題，即手勢分割問題

3、，并提出了基于混合高斯膚色模型的手勢分割方法，最終我們對方法進行了充分的推導(dǎo)及有效性驗證。
　　2.重點介紹了傳統(tǒng)的用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)模型，并搭建了用于手勢分類的端到端的深度卷積神經(jīng)網(wǎng)絡(luò)，詳細(xì)介紹了模型的結(jié)構(gòu)、參數(shù)、激活函數(shù)、代價函數(shù)、訓(xùn)練方法、測試流程等細(xì)節(jié)。對網(wǎng)絡(luò)搭建過程中超參數(shù)的選擇給出了指導(dǎo)性方案。
　　3.對手勢分割效果的驗證。我們首先介紹了用于驗證方法有效的室內(nèi)室外兩個條件下的手勢數(shù)據(jù)庫。對室內(nèi)數(shù)據(jù)庫進行

4、了手勢分割效果的展示，然后對分割前后手勢的平均分類正確率進行了對比。并且對比了多個經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)框架的分類結(jié)果以說明我們建立的模型的有效性。在室內(nèi)數(shù)據(jù)庫上，我們將手勢的分類正確率從85.2％提高到了98.6％;在室外條件下的國立新加坡大學(xué)公共手勢數(shù)據(jù)庫上面，我們將手勢的平均分類正確率從92.22％提高到了95.4％。最后，我們通過可視化分析深度卷積神經(jīng)網(wǎng)絡(luò)的卷積核及特征圖，了解深度卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程以及學(xué)習(xí)到的特征。
　　在