基于視覺(jué)的手勢(shì)識(shí)別和人體姿態(tài)跟蹤算法研究.pdf

1、人體運(yùn)動(dòng)分析是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)十分重要的研究方向，具有廣闊的應(yīng)用前景。但由于人體姿態(tài)的復(fù)雜性以及視覺(jué)理論的局限性，以人的活動(dòng)為中心的視覺(jué)分析目前大部分停留在研究階段，實(shí)際應(yīng)用場(chǎng)合還不是很多。本文即針對(duì)人體運(yùn)動(dòng)分析中的手勢(shì)識(shí)別和人體姿態(tài)跟蹤算法進(jìn)行研究。
　　手勢(shì)識(shí)別方面，本文提出了一種快速實(shí)用的靜態(tài)手勢(shì)識(shí)別算法，將運(yùn)動(dòng)信息與膚色相結(jié)合，實(shí)現(xiàn)了HSV顏色空間中手勢(shì)圖像的準(zhǔn)確分割，提取圖像的Hu不變矩作為手勢(shì)特征，解決了識(shí)別過(guò)程中手

2、勢(shì)發(fā)生旋轉(zhuǎn)、平移縮放的問(wèn)題。通過(guò)計(jì)算輸入手勢(shì)圖像與模板手勢(shì)圖像特征向量之間的距離，實(shí)現(xiàn)了基于模板匹配的靜態(tài)手勢(shì)識(shí)別。實(shí)驗(yàn)結(jié)果表明，此算法的實(shí)時(shí)性好，針對(duì)本文定義的十一個(gè)手勢(shì)的平均識(shí)別率為88.2％。
　　在動(dòng)態(tài)手勢(shì)跟蹤方面，本文選用基于顏色特征跟蹤的Camshift算法。將膚色分割與Camshift算法結(jié)合，把膚色分割后的顏色參數(shù)作為Camshift算法反向投影步驟的輸入部分，實(shí)現(xiàn)了基于Camshift算法的自動(dòng)手勢(shì)跟蹤，該算法的

3、實(shí)時(shí)性好，且可以跟蹤變化的手勢(shì)。
　　人體姿態(tài)跟蹤方面采用融入了退火思想的模擬退火粒子濾波跟蹤算法，運(yùn)用美國(guó)布朗大學(xué)的人體運(yùn)動(dòng)姿態(tài)公共數(shù)據(jù)庫(kù)HumanEva中的人體運(yùn)動(dòng)關(guān)節(jié)參數(shù)，建立三維人體模型，采用剪影、邊緣兩種圖像特征構(gòu)造似然函數(shù)，并加入人體關(guān)節(jié)角度運(yùn)動(dòng)范圍和穿透性檢測(cè)作為運(yùn)動(dòng)約束，通過(guò)對(duì)比實(shí)驗(yàn)，選取合適的退火粒子數(shù)及退火層數(shù)實(shí)現(xiàn)跟蹤，以平衡跟蹤效率和跟蹤準(zhǔn)確性。
　　為解決人體姿態(tài)跟蹤中的維數(shù)災(zāi)難問(wèn)題，本文對(duì)人體姿態(tài)數(shù)