動(dòng)態(tài)手勢(shì)識(shí)別研究.pdf

1、從計(jì)算機(jī)發(fā)明之時(shí)起，對(duì)人機(jī)交互方式的研究就成為了一個(gè)被廣泛重視與討論的話題，其發(fā)展非常迅速，不斷地給人們帶來(lái)驚喜。智能人機(jī)交互一般是指通過(guò)語(yǔ)音，面部表情，人的肢體語(yǔ)言和手勢(shì)等與計(jì)算機(jī)進(jìn)行交互。由于其更符合子人的自然特性，所以帶給人的交互體驗(yàn)將是傳統(tǒng)交互方式所不能達(dá)到的。所以，我們將對(duì)動(dòng)態(tài)手勢(shì)識(shí)別算法進(jìn)行研究，以期達(dá)到更好的人機(jī)交互體驗(yàn)。
　　本文主要解決的問(wèn)題是基于多目攝像頭廣角無(wú)畸變拼接條件下的手勢(shì)檢測(cè)跟蹤與識(shí)別。手勢(shì)識(shí)別是計(jì)算

2、機(jī)視覺(jué)領(lǐng)域中一項(xiàng)很有挑戰(zhàn)性的研究。由于受到環(huán)境復(fù)雜性，外觀多變性，以及光照變化、遮擋等因素的影響，手勢(shì)跟蹤識(shí)別面臨很多問(wèn)題需要解決。本文提出了一種具有自適應(yīng)性和重新捕獲能力的在線視覺(jué)跟蹤算法。算法的跟蹤器部分基于粒子濾波器跟蹤框架，采用了一種在線式學(xué)習(xí)的支持向量機(jī)作為觀察模型。算法的檢測(cè)器部分我們選取了當(dāng)前最為流行的描述符方向梯度直方圖(HOG)特征作為我們的樣本特征。為了達(dá)到實(shí)時(shí)性的要求，我們又采用了多種優(yōu)化措施，積分圖，膚色檢測(cè)等都