基于視覺的手勢識別算法研究與實現(xiàn).pdf

1、手勢識別是一種重要的人機交互技術，它為人機交互提供人性化的信息輸入和命令控制方式，是當今的一大研究熱點。本文通過分析手勢識別的研究現(xiàn)狀，針對基于視覺的手勢識別研究中的問題和難點，從手勢分割、靜態(tài)手勢識別和動態(tài)手勢識別三個方面展開理論研究，并完成手勢識別系統(tǒng)的搭建。
　　針對現(xiàn)有手勢分割方法在復雜環(huán)境下，受光照、無關膚色等因素的影響，分割效果不理想的問題，利用圖像深度信息對光照和色彩的變化不敏感這一特點，本文提出了基于YCr'Cb'

2、橢圓模型和K均值聚類算法的彩色-深度圖像的手勢分割方法，該方法通過K均值聚類算法對膚色塊的位置和深度信息進行聚類處理，以消除無關膚色的干擾；通過利用位置信息對手勢目標的修正處理，減少光照變化的影響。實驗表明，該方法能夠有效的完成復雜環(huán)境下彩色-深度圖像的手勢分割。
　　針對基于輪廓的識別算法在目標旋轉(zhuǎn)和縮放時識別率低和魯棒性差的問題，本文提出了一種基于指尖點和Hu矩的靜態(tài)手勢識別方法，該方法利用手指類似圓柱體的形狀特征，通過求取類

3、指尖不同部位的寬度，改進基于曲率的指尖檢測方法，以增強指尖點特征提取的魯棒性；融合 Hu矩和指尖點特征，提高手勢模型的全局描述性；利用能夠自動添加新手勢的識別算法，提高算法的實用性。實驗表明，該方法在滿足實時性的基礎上有效的提高了靜態(tài)手勢識別的準確性和魯棒性。
　　針對現(xiàn)有的動態(tài)手勢識別方法在復雜環(huán)境下識別率低，實時性差等問題，提出一種基于RGB-D信息的動態(tài)手勢識別方法。該方法將深度信息引入到傳統(tǒng)卡爾曼跟蹤算法中，作為其跟蹤參數(shù)

4、之一，以提高手勢跟蹤的精度；在跟蹤過程中通過對檢測范圍的加窗處理，提高跟蹤的效率；結(jié)合快速動態(tài)時間規(guī)整算法和突出關鍵特征點的思想，改進傳統(tǒng)動態(tài)時間規(guī)整算法，并將其應用到手勢軌跡匹配中，以提高匹配的性能。實驗表明，復雜環(huán)境下該方法可以有效地提高動態(tài)手勢識別的效率。
　　在手勢識別相關算法的基礎上，設計并完成基于Qt和OpenCV的靜、動態(tài)手勢識別系統(tǒng)，將理論研究應用于現(xiàn)實環(huán)境中并為理論研究提供良好的實驗平臺。靜態(tài)手勢識別系統(tǒng)分別支持