基于視覺的應(yīng)用于智能控制的手勢(shì)識(shí)別技術(shù)的研究.pdf

1、基于計(jì)算機(jī)視覺的手勢(shì)識(shí)別作為新一代的人機(jī)交互手段，它簡(jiǎn)單、直觀、易使用，在某些應(yīng)用領(lǐng)域，如虛擬現(xiàn)實(shí)、手語(yǔ)翻譯、遠(yuǎn)程控制等領(lǐng)域，有著不可替代的優(yōu)越性，因此，越來(lái)越得到人們的重視。雖然目前還是一個(gè)研究熱點(diǎn)，但是手勢(shì)交互也已經(jīng)漸漸開始應(yīng)用于實(shí)際生活了，在最新研發(fā)的消費(fèi)類數(shù)碼產(chǎn)品中可以看到它的身影。這代表了一種未來(lái)交互的新趨勢(shì)，也預(yù)示著手勢(shì)交互未來(lái)廣闊的應(yīng)用前景。
　　本文從手勢(shì)圖像的預(yù)處理、手勢(shì)特征提取、手勢(shì)識(shí)別三方面對(duì)基于視覺的手勢(shì)識(shí)

2、別算法進(jìn)行了研究，并驗(yàn)證了算法的可行性。實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)靜態(tài)手勢(shì)識(shí)別具有很好的效果。
　　圖像預(yù)處理包括圖像增強(qiáng)、圖像分割和圖像形態(tài)學(xué)處理。本文首先對(duì)輸入的圖像進(jìn)行平滑，銳化處理，然后采用基于灰度的閾值分割方法，從圖像中分割出手勢(shì)，將得到的手勢(shì)部分圖像進(jìn)行膨脹和腐蝕處理，達(dá)到最佳的手勢(shì)分割效果，最后采用基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)方法檢測(cè)手勢(shì)的邊緣。
　　在手勢(shì)的特征提取部分，本文針對(duì)手勢(shì)圖像識(shí)別率較低，易受噪聲干

3、擾的問(wèn)題，提出一種基于二維極坐標(biāo)傅立葉描繪子的手勢(shì)特征提取算法。該描繪子不僅利用了手勢(shì)圖像的邊界信息，還提取了手勢(shì)圖像的內(nèi)部信息，受邊界噪聲的干擾更小，通用性更好，魯棒性更高。
　　針對(duì)手勢(shì)的識(shí)別，本文采用了基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別方法。首先利用大量的樣本圖像訓(xùn)練BP網(wǎng)絡(luò)，通過(guò)訓(xùn)練成功的網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)手勢(shì)圖像的識(shí)別，并根據(jù)輸出結(jié)果來(lái)判定識(shí)別的正確性。
　　本文的創(chuàng)新點(diǎn)和貢獻(xiàn)：提出將基于脈沖神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)方法和基于二維極坐標(biāo)傅立