基于人機交互系統(tǒng)的手勢識別方法研究.pdf

1、隨著信息技術的飛速發(fā)展，能夠滿足人機自然友好交互需求的新型人機交互技術得到了人們越來越廣泛的關注。手勢是人們日常生活中的一種交流手段，基于計算機視覺的手勢識別技術使得計算機能夠“看懂”人的行為和動作，能夠給用戶帶來更自然、直觀的交互體驗，是新型人機交互技術發(fā)展中的一個重要方向。
　　 本文從智能控制與人機交互的角度出發(fā)，研究了基于視覺的手勢識別的相關算法。論文從手勢分割、指尖檢測和手勢的特征提取與識別等方面進行了研究。論文的具體

2、研究工作主要有以下幾點:
　　 1.針對現有手勢分割方法不準確、適應性差等問題，提出一種基于區(qū)域增長型脈沖耦合神經網絡的手勢分割方法。該方法首先在YCgCr顏色空間建立高斯膚色模型，在此基礎上以較苛刻的原則（能夠保證所選像素為膚色像素）選取膚色區(qū)域作為種子區(qū)域。然后，在高斯膚色相似度圖像上，采用基于脈沖耦合神經網絡機制的區(qū)域生長算法來提取膚色區(qū)域。最后，根據膚色區(qū)域的幾何特征提取手勢區(qū)域。實驗表明:該算法能夠有效的克服光照變化的

3、影響，在不同的光照環(huán)境下都能夠得到較好的膚色檢測效果。同時，分割結果中膚色區(qū)域具有邊緣平滑的特點，這將非常有利于手勢識別的后續(xù)處理。
　　 2.在手勢分割的基礎上，提出了一種基于多尺度曲率分析的指尖檢測算法。該算法首先采用8-鄰域輪廓跟蹤算法提取手勢輪廓;其次，針對手勢輪廓的周長設定輪廓搜索尺度區(qū)間，在此尺度區(qū)間內進行手勢輪廓的多尺度曲率計算以定位指尖。實驗表明:該算法具有較好的指尖檢測效果，具有手勢旋轉、縮放不變性，并能夠滿足

4、系統(tǒng)實時性要求。
　　 3.針對類膚色信息或復雜背景的影響，難以通過手勢分割得到精確手勢輪廓而對后期手勢識別率與實時交互的影響，基于圖像局部不變性特征理論提出一種基于特征包及支持向量機的手勢識別模型。采用SIFT算法提取手勢圖像局部不變性特征點，將手勢局部特征向量(SIFT描述子)進行K-means聚類生成視覺碼書，并通過視覺碼書量化每一幅手勢圖像的視覺碼字集合，以此獲得手勢圖像的固定維數的表征向量來訓練SVM多類分類器。該方法

5、只需框定手勢所在區(qū)域，無需精確地分割人手。實驗中針對9種交互型手勢獲得了較高的識別率。實驗表明該方法具有很好的魯棒性及實時性，能適應環(huán)境的變化。
　　 4.結合研究目標及應用需求，分析應用場景，在VC++6.0環(huán)境下基于OpenCV視覺庫設計實現了一個基于指尖檢測的PowerPoint手勢控制系統(tǒng)。系統(tǒng)通過指尖檢測技術，以指尖數目及相對位置信息來判別手勢，替代鼠標和鍵盤控制PowerPoint的放映。該系統(tǒng)應用在教師授課的場景中