復雜背景下的手勢識別算法研究.pdf

1、隨著現(xiàn)代科技的迅猛發(fā)展，人與計算機等機器的交互方式也越來越多樣化。傳統(tǒng)操作方式由于其操作上具有一定的約束性，已經(jīng)滿足不了人們對更自然和諧的人機交互方式的追求。手勢識別，作為一種更加“人性化”的交互方式，受到人們廣泛的關(guān)注和追捧。但是由于手勢的多變性、多樣性、多義性和時空差異性等特點，加之光照、背景等干擾，基于視覺的手勢識別在技術(shù)上還存在很多困難。針對這些問題，本文分別對復雜背景下的靜態(tài)和動態(tài)的手勢識別算法進行研究。
　　針對現(xiàn)在基

2、于計算機視覺的靜態(tài)手勢識別的研究中要么需要較為復雜且昂貴的輸入設(shè)備，不利于自然靈活的人機交互，要么容易受到背景中人臉等膚色物體的干擾，導致識別率和實時性的效果均不佳，本文設(shè)計了一個采用普通攝像頭的基于計算機視覺的靜態(tài)手勢識別系統(tǒng)。首先，采用基于人臉先驗知識的自適應膚色分割和基于混合高斯模型的前景分割，定位到手勢區(qū)域;然后，分析得到手勢區(qū)域，提取不變性特征值，分別采用BP神經(jīng)網(wǎng)絡(luò)算法和SVM算法訓練、分類特征向量實現(xiàn)數(shù)字1-9的9個手勢識

3、別。其中基于BP神經(jīng)網(wǎng)絡(luò)的手勢識別系統(tǒng)的平均識別率為91.89％，而基于SVM的識別系統(tǒng)的平均識別率為95.89％，能夠比較準確的識別出手勢。
　　針對動態(tài)手勢軌跡識別中，手勢容易受到人臉、遮擋等影響致使跟蹤丟失或者丟失后難以召回手勢，以致識別率不佳的問題，本文設(shè)計了一個實現(xiàn)10個動態(tài)手勢軌跡識別的系統(tǒng)。首先，采用了TLD算法跟蹤有效的手勢模板，并對手勢結(jié)束后是否為跟蹤丟失的情況進行一次判定，以獲得完整的手勢運動軌跡;然后，通過對