面向體感手勢識別的算法研究.pdf

1、隨著計(jì)算機(jī)人機(jī)交互技術(shù)的發(fā)展，體感識別技術(shù)已經(jīng)成為人機(jī)界面中的重要研究領(lǐng)域。體感手勢識別技術(shù)作為體感識別技術(shù)的核心，以其靈活的操作方式，更加貼近人類的思維模式和使用習(xí)慣的交互方式成為了目前研究的熱門方向。
　　本文首先分析體感手勢的國內(nèi)外研究現(xiàn)狀，發(fā)現(xiàn)對于那些具有平移或旋轉(zhuǎn)相似的手勢識別率較差，提出了本文的定位掃描算法。本算法針對具有相似性的手勢，建立了包含五種手勢的手勢庫，對圖像進(jìn)行了預(yù)處理、手勢輪廓提取、手勢特征提取和手勢識別

2、四個(gè)部分的工作，使用MATLAB進(jìn)行了仿真實(shí)驗(yàn)。
　　本文首先定義了五種手勢，利用普通攝像頭完成了復(fù)雜背景的手勢采集工作，并將采集的手勢圖像由RGB顏色空間轉(zhuǎn)變?yōu)閅CbCr顏色空間。
　　手勢輪廓提取部分，首先通過膚色直方圖計(jì)算膚色在Cb、Cr分量的聚合值，經(jīng)過反復(fù)實(shí)驗(yàn)得出具體閾值;再進(jìn)行閾值處理，將圖像轉(zhuǎn)變?yōu)槎祱D像;采用自定義的手勢檢測方法區(qū)分手部和臉部區(qū)域，提取出手勢輪廓。
　　手勢特征部分，首先使用Hu不變矩提

3、取本文手勢的7個(gè)特征值;接著使用本文自定義的定位掃描法和改進(jìn)的面積比進(jìn)行特征提取，得到2組新的特征序列。
　　手勢識別部分，利用支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)算法分別對手勢特征進(jìn)行三次實(shí)驗(yàn)。第一次是測試特征提取得到Hu矩的7個(gè)特征值在SVM中的識別率，識別率只有41.37％，效果較差;第二次是測試本文的三種特征序列在SVM模型中的識別率，識別速度快，且識別率高達(dá)97.13％;第三次是測試本文的三種特征序列在BP神經(jīng)網(wǎng)絡(luò)算法中的識別率，雖