基于移動(dòng)終端的手勢(shì)識(shí)別研究與實(shí)現(xiàn).pdf

1、在人類進(jìn)行信息交互的多種方式中，手勢(shì)占有很重要的地位，和語(yǔ)言、文字相比，手勢(shì)的通用性更廣，普適性更高。近年來(lái)移動(dòng)互聯(lián)網(wǎng)的崛起帶動(dòng)了移動(dòng)終端的快速普及，人機(jī)交互方式也發(fā)生了重要轉(zhuǎn)變，人類在交互中的地位逐漸提高。移動(dòng)終端攜帶的多種傳感器，如攝像頭、觸摸屏等，為基于視覺(jué)的手勢(shì)識(shí)別與手寫手勢(shì)識(shí)別提供了硬件基礎(chǔ)，手勢(shì)識(shí)別能夠提供更加友好的人機(jī)交互方式。然而基于視覺(jué)信息的手勢(shì)具有復(fù)雜多變的特性，不單是平面或空間中的模型，而是具備了時(shí)間特性的非剛體運(yùn)

2、動(dòng)模型，目前基于手勢(shì)的人機(jī)交互方式尚未成熟。
　　本文在對(duì)基于視覺(jué)信息的動(dòng)態(tài)識(shí)別與移動(dòng)終端手寫手勢(shì)識(shí)別的研究上做了如下工作：
　　在基于視覺(jué)的動(dòng)態(tài)手勢(shì)識(shí)別中。手勢(shì)分割階段，本文改進(jìn)了手勢(shì)分割流程，使用VIBE算法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，在YCrCb色彩空間下進(jìn)行膚色建模，將兩者運(yùn)算結(jié)果相“與”得到大致的手勢(shì)區(qū)域，將獲取到的可能的手勢(shì)區(qū)域圖像進(jìn)行形態(tài)學(xué)處理，消除手臂區(qū)域，獲得較為完整的人手圖像。對(duì)比多種特征提取方法，采用手勢(shì)圖像不變

3、矩的修正值為特征向量。靜態(tài)手勢(shì)識(shí)別階段，利用大量手勢(shì)訓(xùn)練得到的人工神經(jīng)網(wǎng)絡(luò)作對(duì)得到的手勢(shì)圖像進(jìn)行識(shí)別。動(dòng)態(tài)手勢(shì)識(shí)別階段，壓縮視頻流中的手形圖像關(guān)鍵幀序列，運(yùn)用隱馬爾科夫模型識(shí)別手勢(shì)的運(yùn)動(dòng)軌跡，將兩者相結(jié)合映射到設(shè)定的動(dòng)態(tài)手勢(shì)，執(zhí)行系統(tǒng)定義的人機(jī)交互命令。
　　在基于手寫的手勢(shì)識(shí)別中。本文運(yùn)用遺傳算法與粒子群算法相結(jié)合的方式改進(jìn)人工神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)顯示改進(jìn)方法對(duì)當(dāng)前網(wǎng)絡(luò)的誤差下降有一定幫助，理論上遺傳算法與粒子群算法的全局尋優(yōu)特性可以