基于HMM和運動軌跡的動態(tài)手勢識別方法研究.pdf

1、近年來，手勢識別逐漸變成人機(jī)交互中的一種重要手段。相對于靜態(tài)手勢識別而言，動態(tài)手勢識別在現(xiàn)實應(yīng)用中更加廣泛。而手勢軌跡是運動特征中的一種，其簡單、魯棒的特性使其廣泛地應(yīng)用于行為識別中。論文從自然、直觀、實時的人機(jī)交互角度出發(fā)，結(jié)合手勢圖像序列的冗余特性和手勢軌跡序列的特征，基于隱馬爾科夫模型(Hidden Markov Model，HMM)對動態(tài)手勢軌跡識別中的關(guān)鍵問題展開研究。針對動態(tài)手勢序列中存在著大量的冗余信息，重點研究了簡單、快

2、捷的關(guān)鍵幀提取方法和手勢特征提取方法來識別動態(tài)手勢，實現(xiàn)了動態(tài)手勢軌跡的實時識別。具體研究工作如下：
　　1．針對傳統(tǒng)動態(tài)手勢識別方法的計算復(fù)雜度高、實時性差、識別率低等問題，提出一種基于幀間差異度(Degree of Difference between Frames，DDF)和HMM的實時動態(tài)手勢軌跡識別方法。該方法無需跟蹤動態(tài)手勢的所有微小細(xì)節(jié)，僅通過DDF來提取關(guān)鍵幀，再對關(guān)鍵幀圖像通過基于膚色的手勢分割方法獲得目標(biāo)區(qū)域。

3、計算手勢目標(biāo)區(qū)域的中心到軌跡序列中心的距離作為軌跡的數(shù)據(jù)流，軌跡數(shù)據(jù)流經(jīng)過時間規(guī)整得到 HMM模型的輸入向量。再構(gòu)造 HMM模型來建立動態(tài)手勢模型，最后使用訓(xùn)練得到的最佳轉(zhuǎn)移概率來識別未知的動態(tài)手勢類別。實驗結(jié)果表明，該方法具有非常好的魯棒性及實時性，數(shù)字0~9的平均識別率達(dá)到87.67％、平均時間效率為0.46s。
　　2．針對關(guān)鍵幀提取算法得到的圖像中包含信息不足而導(dǎo)致可識別的種類少以及識別率低等問題，提出一種基于分塊特征(B

4、lock Feature of DDF，BF_DDF)的關(guān)鍵幀提取方法和膚色聚類的手勢分割相結(jié)合的動態(tài)手勢軌跡識別方法。該方法首先計算動態(tài)手勢序列間的差異度，通過BF_DDF提取得到比較準(zhǔn)確的關(guān)鍵幀序列。使用基于膚色聚類的方法對關(guān)鍵幀序列圖像進(jìn)行手勢分割得到目標(biāo)區(qū)域。最終，選取軌跡角度作為特征，使用HMM方法進(jìn)行動態(tài)手勢建模和識別。實驗結(jié)果表明，該方法在選取關(guān)鍵幀的同時，可以準(zhǔn)確獲取動態(tài)手勢信息，提高了動態(tài)手勢識別的實時性，同時保證了手