基于手勢識別的計算機輸入技術(shù)研究.pdf

1、隨著計算機的發(fā)展，人機交互技術(shù)也逐漸發(fā)展起來，手勢識別正逐漸成為人機交互技術(shù)的一個重要的研究課題。手勢識別過程可分為手勢分割、手勢跟蹤、特征提取和手勢識別四個部分，文中重點研究后三個部分。在手勢識別的基礎(chǔ)上，設(shè)計并開發(fā)了類鼠標的計算機輸入系統(tǒng)。
　　在手勢跟蹤部分，本文應用Camshift算法進行跟蹤，快速準確，隨后針對Camshift算法容易陷于局部極小值這一缺陷，加入預測跟蹤位置的機制進行了改進，解決了手勢在經(jīng)過類膚色物體時容

2、易跟蹤失效的問題。在手勢跟蹤的基礎(chǔ)上，本文參考鼠標的工作原理，利用手移動的相對位移和速度控制光標，使手勢在移動范圍很小時就可以控制光標在整個屏幕移動，避免了人臉的干擾和屏幕邊緣難以操作的困擾，大大增強了系統(tǒng)的可操作性。最后對光標的運動軌跡應用Catmull插值算法擬合，使光標移動軌跡平滑。
　　在手形識別部分，本文采用加權(quán)的7個Hu不變矩和指尖點個數(shù)兩種特征，利用支持向量機作為分類器對five（手掌）、point（食指手形）、fi

3、st（拳頭）、tick（勾號）、v（勝利）五種手形進行識別，平均識別率達到94.8％。指尖點檢測首先對手形輪廓進行誤差較大的多邊形逼近，大大排除了實際應用中手形輪廓不光滑的干擾，然后利用凸包凸缺陷的性質(zhì)設(shè)定一定的約束條件，最終得到指尖檢測的平均準確率為94.2％，為手形識別提供了有效的特征。另外，本文針對tick和v手形對Hu矩高階部分加權(quán)，增強輪廓的細節(jié)信息，使得手形v的識別率由54％提高到了84％。
　　在動態(tài)手勢軌跡識別方面

4、，本文利用位置、速率、角度三個表示軌跡的特征，采用連續(xù)隱馬爾可夫模型算法識別上下左右四種手勢運動軌跡。最終得到的識別準確率較高，平均達到98.5％。
　　在手勢識別的基礎(chǔ)上，以Visual Studio2012為開發(fā)平臺，基于OpenCV2.44庫，實現(xiàn)了一種類鼠標的計算機輸入系統(tǒng)。本文設(shè)計并實現(xiàn)了十一種手勢命令:光標控制、單擊、雙擊、右擊、放大、縮小、上下左右翻頁。經(jīng)過測試，這十一種手勢命令設(shè)計友好，可操作性強，由作者本人操作的