基于視覺的靜態(tài)手勢識別算法研究.pdf

1、隨著虛擬現(xiàn)實技術(shù)的迅猛發(fā)展,研究符合人際交流習(xí)慣的新穎人機交互技術(shù)變得異?；钴S,也取得了可喜的進步。這些研究包括人臉識別、表情解釋、口形(唇讀)識別、頭部方位檢測、視線跟蹤、三維定位、手勢識別與人體姿勢識別等等。其中,手勢識別是當(dāng)前比較熱門的研究課題。
　　本文對基于視覺的靜態(tài)手勢識別技術(shù)進行了比較深入的研究,并對其中的部分關(guān)鍵算法進行了改進。整個研究過程分為四大部分,即手勢圖像的獲取、手勢圖像的預(yù)處理、手勢圖像的特征提取和手勢圖

2、像的識別。具體工作如下:
　　1.手勢圖像的獲取方面,本文使用WINDOWS操作系統(tǒng)自身攜帶的VFW(Video for Windows)API函數(shù),通過其AVICAP模塊中的消息、宏函數(shù)、結(jié)構(gòu)以及回調(diào)函數(shù)實現(xiàn)實時視頻幀的捕獲,并把得到的視頻幀存放到自定義的數(shù)據(jù)結(jié)構(gòu)DffiINFO中。
　　2.手勢圖像的預(yù)處理方面,本文首先使用灰度直方圖算法將手勢圖像二值化,然后根據(jù)本文提出的一種復(fù)合型去噪算法對圖像消噪,再后采用掏空內(nèi)部點

3、的方法對手勢目標(biāo)進行輪廓提取,最后采用八鄰域掃描法對手勢目標(biāo)進行邊界跟蹤。
　　3.手勢圖像的特征提取方面,本文首先研究了人手的常見特征,如人手的面積、人手的矩形輪廓面積、手指(除拇指外)個數(shù)等,然后根據(jù)神經(jīng)網(wǎng)絡(luò)的特點,提出了手勢圖像的網(wǎng)格特征提取方法。
　　4.手勢圖像的識別方面,本文采用了二次分類法,即首先用人手的常見特征對手勢圖像進行粗分類,然后用BP神經(jīng)網(wǎng)絡(luò)算法進行細(xì)分類,神經(jīng)網(wǎng)絡(luò)的輸入層輸入的是手勢圖像的網(wǎng)格特征,