基于視覺的實(shí)時手勢識別及應(yīng)用.pdf

1、近幾年，基于計算機(jī)視覺并融合多個學(xué)科理論的手勢識別，因其直觀、方便等特點(diǎn)，成為現(xiàn)今社會的一個研究熱點(diǎn)。本文對手勢分割、特征提取、分類識別等關(guān)鍵技術(shù)進(jìn)行了較為深入的研究，并將研究成果應(yīng)用于視頻播放器的人機(jī)交互控制中，實(shí)現(xiàn)了一種自然靈活的人機(jī)交互方式。
　　首先，為了適應(yīng)復(fù)雜多變的外界環(huán)境，采用膚色信息與運(yùn)動信息融合的分割方法，準(zhǔn)確分割出理想的手勢圖像。利用YCbCr高斯膚色模型提取實(shí)時手勢視頻中的膚色區(qū)域，利用背景減除法提取運(yùn)動區(qū)域

2、；將膚色區(qū)域與運(yùn)動區(qū)域進(jìn)行與操作，得到一個運(yùn)動膚色區(qū)域；采用形態(tài)學(xué)方法對得到的運(yùn)動膚色區(qū)域去噪，獲得準(zhǔn)確手勢區(qū)域圖像。
　　接著，本文采用基于HOG和SVM的方法對靜態(tài)手勢進(jìn)行識別。通過實(shí)驗(yàn)分析了HOG特征的旋轉(zhuǎn)可變性，建立了包含5種手勢的手勢樣本庫；提取測試樣本的HOG特征，依據(jù)訓(xùn)練模型對測試樣本進(jìn)行分類識別。實(shí)驗(yàn)結(jié)果表明該方法可以對同一手勢的不同方向進(jìn)行識別，平均識別準(zhǔn)確率為93.08％。
　　手勢HOG特征具有尺度可變

3、性，針對這一不足，本文采用對尺度不敏感的7Hu矩特征，結(jié)合圓形度作為最終的手勢特征；利用SVM設(shè)計分類器，得到訓(xùn)練模型；對實(shí)時視頻圖像提取圓形度、7Hu矩特征之后，按照訓(xùn)練好的模型進(jìn)行預(yù)測識別，平均識別準(zhǔn)確率達(dá)到94.66％。
　　最后，將基于圓形度、7Hu矩特征和SVM的實(shí)時手勢識別算法應(yīng)用在一個簡單的視頻播放器中，實(shí)現(xiàn)了基于手勢控制的暫停、播放、快進(jìn)和快退功能。
　　本文貢獻(xiàn)：（1）根據(jù)手勢HOG特征的旋轉(zhuǎn)可變性，將基于