用于空調(diào)控制的手勢識別研究.pdf

1、作為人機交互領(lǐng)域的一項關(guān)鍵技術(shù)，手勢識別引起越來越多研究人員的關(guān)注。基于視覺的手勢識別自然方便靈活。近年來，帶有手勢識別功能的智能家電，體感游戲機等相繼出現(xiàn)，在給人們提供方便生活的同時，也給生活增添了一些樂趣。然而，手勢識別目前仍面臨諸多問題，這些用于智能家電中的手勢識別精度并不高，不能完全替代遙控器、鼠標等，且價格昂貴，不利于推廣。因此，我們采用JVC TK-C1480BEC型號的CCD攝像頭拍攝實用場景下的手勢圖像，針對實際應(yīng)用中的

2、相關(guān)問題進行探討和研究。
　　本研究主要內(nèi)容包括：⑴圖像采集：利用TK-C1480BEC普通攝像頭在不同時間段、不同天氣(晴天、陰天等)等條件下采集了12種手勢2000多張實際場景中手勢圖片。⑵手勢分割：分析了目前膚色分割常用的顏色空間和檢測模型，結(jié)合實際環(huán)境中采集到的膚色點，分別用橢圓模型，簡單閾值結(jié)合單高斯模型和基于SVM的8鄰域的膚色檢測方法對采集到的手勢圖像進行膚色檢測，通過對結(jié)果進行比較分析，最后確定采用簡單閾值聯(lián)合單高

3、斯模型進行手勢分割。⑶特征提取與識別：通過對手勢特征的研究，尤其對梯度方向直方圖(HOG)和局部自相似描述符(LSS)兩種特征進行了深入研究，提出了兩種特征提取改進方法。⑷針對實際應(yīng)用中提取HOG手勢局部特征容易引入背景紋理，提出基于膚色相似度的改進的梯度方向直方圖的手勢特征提取方法，并分別利用支持向量機(SVM)、稀疏表示(SRC)和最近鄰(NN)三種分類方法對基于 HOG， SCHOG和改進的HOG手勢特征進行手勢識別。分別對實際拍

4、攝的12種手勢圖像和Marcel手勢庫中的6種手勢圖片上進行了建模識別。實驗結(jié)果表明不論采用哪種識別方法，基于改進的 HOG手勢特征都具有更高的正確識別率；相同的手勢特征下，SVM識別方法比SRC和NN有更好的性能。⑸根據(jù)手勢圖像中膚色在YCbCr顏色空間的分布特點，提出了改進的自相似性描述符(改進 LSS)。基于LSS特征和改進 LSS特征，分別建立 SVM、SRC和NN手勢識別模型。針對實際拍攝的12種手勢圖像和Marcel手勢庫中