復(fù)雜背景下動(dòng)態(tài)手勢跟蹤算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，迫切要求改善人與計(jì)算機(jī)之間的交互方式，由于手勢在語義表達(dá)方面所具有的友好性與直觀性，使得手勢在人機(jī)交互中得到廣泛應(yīng)用和研究。
　　 為了提高人機(jī)交互中運(yùn)動(dòng)手勢的跟蹤精度問題，在分析了傳統(tǒng)Mean shift跟蹤方法原理及其自身存在的不足的基礎(chǔ)上，本文提出了一種實(shí)時(shí)跟蹤手勢目標(biāo)中心的線性預(yù)測方法。該方法通過提取目標(biāo)手勢在HSV顏色空間中的H分量建立Mean shift膚色目標(biāo)模型，并通過單峰高斯模型對跟蹤

2、過程中的樣本點(diǎn)進(jìn)行篩選，提高了運(yùn)動(dòng)手勢抗背景干擾的能力。此外，為了克服在跟蹤過程中由于手勢運(yùn)動(dòng)過快導(dǎo)致跟蹤精度不高的問題，采用了線性預(yù)測函數(shù)對手勢起始中心進(jìn)行預(yù)測。通過實(shí)驗(yàn)表明，該方法對于運(yùn)動(dòng)手勢跟蹤表現(xiàn)出較好的性能。
　　 為了更進(jìn)一步提高手勢跟蹤的實(shí)時(shí)性與精確性，以在實(shí)際應(yīng)用中更加具有實(shí)用性，文中提出了一種基于區(qū)域生長的Mean shift動(dòng)態(tài)變形手勢跟蹤方法。該方法針對手勢在顏色空間中所具有的高聚類特性，利用區(qū)域生長算法以

3、手勢的起始中心為種子點(diǎn)通過生長對手勢進(jìn)行采樣，采樣完成后由Mean shift算法對樣本點(diǎn)集合的中心進(jìn)行精確定位，從而實(shí)現(xiàn)視頻序列中對動(dòng)態(tài)變形手勢的連續(xù)定位。該方法具有較低的時(shí)間復(fù)雜度和較高的跟蹤精度。
　　 在本文提出的基于區(qū)域生長的Mean shift動(dòng)態(tài)變形手勢跟蹤方法的基礎(chǔ)上，提出了一種基于聯(lián)合空間的動(dòng)態(tài)變形手勢跟蹤方法，該方法利用手勢像素在空間域的位置分布特征以及在顏色空間的特征，計(jì)算手勢樣本集合在聯(lián)合空間的核概率密度

4、，進(jìn)而通過Mean shift算法對手勢目標(biāo)在空間域中定位。該算法也可以看作是第二種算法的“改進(jìn)版本”。
　　 文中采用若干組在室內(nèi)條件下拍攝的手勢運(yùn)動(dòng)視頻為實(shí)驗(yàn)材料，利用matlab7.0數(shù)學(xué)軟件作為實(shí)驗(yàn)平臺(tái)，對本文提出的三種算法的可行性進(jìn)行了驗(yàn)證。此外，將本文提出的三種算法與傳統(tǒng)mean shift跟蹤算法進(jìn)行了比較，證實(shí)了本文算法的優(yōu)越性。
　　 本文所做的工作都是基于實(shí)驗(yàn)環(huán)境下針對單手運(yùn)動(dòng)的情況所展開的研究，要使