基于計(jì)算機(jī)視覺(jué)的手勢(shì)跟蹤與識(shí)別算法研究.pdf

1、基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別是新一代的人機(jī)交互手段，有著重要的理論研究?jī)r(jià)值和應(yīng)用前景。本文對(duì)手勢(shì)圖像的預(yù)處理、特征提取、手勢(shì)的跟蹤與識(shí)別進(jìn)行了研究，并在MicrosoftVisualC++6.0環(huán)境下編程實(shí)現(xiàn)了對(duì)從攝像頭輸入的10個(gè)常用手勢(shì)的識(shí)別，并以此為基礎(chǔ)建立了一個(gè)簡(jiǎn)單的手勢(shì)交互系統(tǒng)，以驗(yàn)證算法的可行性。實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)目標(biāo)手勢(shì)的實(shí)時(shí)跟蹤有較好的魯棒性，且對(duì)手勢(shì)的識(shí)別取得了良好的效果。 首先從輸入視頻流中采集手勢(shì)圖像，經(jīng)

2、過(guò)預(yù)處理建立了手勢(shì)樣本庫(kù)。在手勢(shì)圖像特征提取階段，根據(jù)識(shí)別對(duì)象是交互手勢(shì)這一特點(diǎn)，本文采用Hu矩作為待識(shí)別手勢(shì)的特征，利用幾何矩不隨圖像旋轉(zhuǎn)、平移、尺度的變化而變化的特性，較好的解決了特征提取時(shí)的旋轉(zhuǎn)、尺度等不確定性問(wèn)題。 在支持向量機(jī)(SVM)多分類(lèi)方面，分析并驗(yàn)證了“一對(duì)多”、“一對(duì)一”和決策有向無(wú)環(huán)圖等多分類(lèi)算法應(yīng)用于手勢(shì)識(shí)別時(shí)的性能；并進(jìn)一步對(duì)SVM在手勢(shì)識(shí)別中的參數(shù)優(yōu)化進(jìn)行了研究和仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明“一對(duì)多”徑向基

3、核函數(shù)的支持向量機(jī)算法在手勢(shì)識(shí)別中取得了理想的識(shí)別效果。此外，針對(duì)一個(gè)手勢(shì)樣本同時(shí)屬于多個(gè)類(lèi)的錯(cuò)分情況，本文提出將基于后驗(yàn)概率的SVM多分類(lèi)算法應(yīng)用于手勢(shì)識(shí)別，并對(duì)該算法進(jìn)行了仿真實(shí)驗(yàn)。以概率作為手勢(shì)分類(lèi)的輸出，在一定程度上減少了誤判情況的發(fā)生，最終測(cè)試樣本集的識(shí)別率為98.9％。 在算法應(yīng)用方面，本文對(duì)自定義的10個(gè)數(shù)字手勢(shì)的識(shí)別進(jìn)行了仿真實(shí)驗(yàn)，并基于VC++6.0平臺(tái)編寫(xiě)了Word數(shù)字錄入程序，將手勢(shì)識(shí)別應(yīng)用于人機(jī)交互中，實(shí)