基于視覺的手勢識別及其應(yīng)用.pdf

1、近來,語音識別、手勢識別等新的人機交互技術(shù)的研究受到了廣泛的關(guān)注,其應(yīng)用范圍已擴展到人和機器之間交互.本文主要研究了基于視覺的手勢識別系統(tǒng)的關(guān)鍵技術(shù),并將其應(yīng)用到機器與人的交互之中.本文首先對手勢識別方法進行了總結(jié),分析了各種方法的優(yōu)劣;然后利用了基于視覺的手勢模型,分別對靜態(tài)手勢識別和動態(tài)手勢識別方法進行論述.支持向量機(SVM)是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)之上發(fā)展起來的一種通用學(xué)習(xí)方法,由于堅實的理論基礎(chǔ),成為繼神經(jīng)網(wǎng)絡(luò)后的又一個研究熱點.

2、最小二乘支持向量機(LS-SVM)是標(biāo)準(zhǔn)SVM的變種,減小了計算量,可以處理大規(guī)模的訓(xùn)練集.在靜態(tài)手勢識別中,本文實現(xiàn)了基于LS-SVM分類器的手勢識別系統(tǒng),采用了基于視覺的手勢模型,利用了傅立葉描述子進行手勢特征描述.隱馬爾可夫模型(HMM,Hidden Markov Model)是手勢和語音等序列信號識別中常用的工具.關(guān)于動態(tài)手勢的識別,本文使用了隱馬爾可夫模型,利用了光流跟蹤的方法來獲取手勢中心位置,運用了16方向鏈碼獲取離散特征