基于視覺(jué)的手勢(shì)識(shí)別技術(shù)研究.pdf

1、專業(yè)學(xué)位碩士學(xué)位論文基于視覺(jué)的手勢(shì)識(shí)別技術(shù)研究StudyonVision—basedHandGestureRecognition學(xué)31209025陳掛副熬援大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘要手勢(shì)識(shí)別是計(jì)算機(jī)“以人為中心”的產(chǎn)物，通過(guò)識(shí)別視頻圖像中人的手勢(shì)，完成計(jì)算機(jī)中的一些特定的操作。與傳統(tǒng)的輸入設(shè)備(鍵盤、鼠標(biāo)等)相比較，手勢(shì)具有易操作、自然和友好等優(yōu)點(diǎn)，使得手勢(shì)識(shí)

2、別成為了人機(jī)交互系統(tǒng)研究的一大熱點(diǎn)。目前國(guó)內(nèi)外的學(xué)者們都致力于這個(gè)領(lǐng)域的研究，也為人們的生活帶來(lái)了許多的便捷，但是由于手勢(shì)識(shí)別系統(tǒng)的復(fù)雜性，這個(gè)領(lǐng)域仍然有許多需要攻克的難關(guān)。本文針對(duì)基于視覺(jué)的手勢(shì)識(shí)別模型，建立了兩個(gè)不同的系統(tǒng)：基于SVM的手勢(shì)識(shí)別系統(tǒng)和基于深度學(xué)習(xí)的手勢(shì)識(shí)別系統(tǒng)，圍繞這兩個(gè)系統(tǒng)，并且分別針對(duì)不同的情況，對(duì)兩個(gè)系統(tǒng)的實(shí)驗(yàn)結(jié)果進(jìn)行了相應(yīng)的比較和分析。本文圍繞手勢(shì)識(shí)別系統(tǒng)，所做的主要工作如下：(1)通過(guò)對(duì)輸入視頻圖像進(jìn)行去噪

3、、圖像光平衡、圖像分割、圖像二值化和圖像輪廓提取等數(shù)字圖像處理操作，實(shí)現(xiàn)了對(duì)手勢(shì)的精確分割，為后續(xù)手勢(shì)圖像的處理打下了良好的基礎(chǔ)。(2)提出了將幀間差分與膚色信息相結(jié)合的手勢(shì)檢測(cè)方案，能夠?qū)崟r(shí)且準(zhǔn)確的定位手勢(shì)的初始位置，然后利用Camshift算法對(duì)手進(jìn)行實(shí)時(shí)的跟蹤，減少計(jì)算量的同時(shí)，減少了周圍環(huán)境因素的干擾，整體提高了系統(tǒng)效率。(3)構(gòu)建了基于SVM的手勢(shì)識(shí)別系統(tǒng)，在此系統(tǒng)中，用Hu不變矩、傅里葉描述子和手勢(shì)空間區(qū)域特征組成了一個(gè)20

4、維的向量作為手勢(shì)特征，得到了較高的識(shí)別率。同時(shí)，為了與基于深度學(xué)習(xí)的手勢(shì)識(shí)別系統(tǒng)進(jìn)行對(duì)比，在SVM系統(tǒng)中，還測(cè)試了只有Hu不變矩為特征時(shí)的手勢(shì)識(shí)別率。(4)將深度學(xué)習(xí)應(yīng)用到手勢(shì)識(shí)別當(dāng)中，構(gòu)建了基于深度學(xué)習(xí)的手勢(shì)識(shí)別系統(tǒng)，該系統(tǒng)還運(yùn)用了兩種不同的模式，一種是直接輸入二值化的圖像進(jìn)行訓(xùn)練、分類，另一種是提取手勢(shì)的Hu不變矩特征，將深度學(xué)習(xí)作為分類器使用。將這兩種模式得到的分類結(jié)果分別與SVM的結(jié)果進(jìn)行了比較。關(guān)鍵詞：手勢(shì)識(shí)別；手勢(shì)檢測(cè)跟蹤；