基于深度信息的動態(tài)手勢識別研究.pdf

1、隨著人機交互技術(shù)的不斷發(fā)展，動態(tài)手勢識別以自然便捷的交互體驗，逐漸獲得了用戶的認可，在虛擬現(xiàn)實、增強現(xiàn)實等新型多媒體技術(shù)應(yīng)用中展現(xiàn)出廣闊的前景?；谝曈X的動態(tài)手勢識別技術(shù)以自然便捷的優(yōu)勢，逐漸成為手勢識別技術(shù)發(fā)展的趨勢。深度信息的引入進一步克服了彩色信息受環(huán)境光照變化、背景復(fù)雜性影響的缺陷，并將豐富的空間三維信息融入到手勢特征中，這有助于提高手勢識別算法的性能。然而，目前基于深度信息的動態(tài)手勢識別算法對動態(tài)手勢的運動特性分析不夠充分，一

2、方面導(dǎo)致了提取的手勢特征存在時域冗余信息，另一方面算法對運動速度有差異的手勢魯棒性較低。本文針對以上問題展開了研究。
　　首先，提出了基于深度圖序列的手勢分解算法。該算法首先提取深度圖基于方向的手勢形狀特征，該特征可以刻畫手部邊緣的方向信息。接著提出了基于譜聚類算法的深度圖序列手勢分解算法，利用聚類方法解決手勢分解問題。求相鄰幀的加權(quán)相似性矩陣，建立無向圖模型。為解決圖劃分問題，將相似性矩陣轉(zhuǎn)換為拉普拉斯矩陣求解該矩陣的特征向量，

3、將圖優(yōu)化問題簡化為矩陣求解問題。進一步選取特征向量并對其進行二分迭代聚類，解決了手勢分解過程中無法確認子序列數(shù)目的問題。從每個類別中選取最具代表性的手勢節(jié)點組成關(guān)鍵點集合，實現(xiàn)了手勢的分解。
　　然后，提出了基于手勢分解的動態(tài)手勢識別算法，并針對自定義數(shù)據(jù)集和公共數(shù)據(jù)集詳細分析了算法中參數(shù)的影響，進行了對比實驗分析。結(jié)果表明本文提出的基于手勢分解的動態(tài)手勢識別算法解決了動態(tài)手勢識別中手勢特征存在時域冗余信息以及特征對手勢速度變化魯