基于特征提取的手勢識別技術(shù)研究.pdf

1、手勢是人與人之間一種非常重要的交流方式，在人機交互的研究中也有非常大的實用性。隨著計算機技術(shù)的發(fā)展，以及人與計算機之間的交互的多樣化，手勢識別技術(shù)涉及圖像處理、模式識別、計算機視覺等領(lǐng)域的一個交叉學科，加之手勢的多樣性、多義性，以及時間和空間上的差異性等特點，因此手勢識別自然成為一個極具吸引力的研究課題。手勢識別的過程可分為手勢建模、手部數(shù)據(jù)的獲取、手部數(shù)據(jù)預(yù)處理、手部特征的提取、手部特征的識別五個階段。本文研究的是靜態(tài)手勢識別，主要通

2、過對目標手勢進行建模分析得到可能有效的特征參數(shù)，然后分析基于輪廓圖像的特征參數(shù)的提取方法，最后通過基于模版匹配的手勢識別算法對提取到的特征參數(shù)進行實驗，比較它們有效性。
　　 本文對基于三維模型的手勢建模和基于表現(xiàn)的手勢建模進行比較分析，針對本文研究的待識別目標樣本設(shè)計了一種基于表現(xiàn)的手勢模型--人手部Tortoise模型，它的優(yōu)點是將手指和手掌區(qū)分開來，能夠很好的描述手部的基本特征，便于分析特征參數(shù)。通過對人手部Tortois

3、e模型的分析，得到若干個可能有效的特征參數(shù)，具體包括手勢中伸出的手指的個數(shù)、手部輪廓的缺陷個數(shù)和手勢輪廓的面積與周長的比值。另外，圖像的不變矩特征作為圖像識別中的重要參數(shù)，本研究中也分析計算了7個Hu矩不變量作為特征參數(shù)。本文預(yù)處理部分重點比較了一般自適應(yīng)閾值分割方法和基于大津法的閾值分割方法對手勢分割的效果，實驗證明利用基于大津法的閾值分割方法進行手勢分割效果比一般自適應(yīng)閾值分割方法好。本文特征參數(shù)提取部分通過對人手部Tortoise

4、模型的分析，研究出計算手掌輪廓、手掌半徑、手掌重心、缺陷個數(shù)、手指個數(shù)和輪廓面積與周長的比值的方法，尤其是通過凸多邊形驗證等四個規(guī)則求手掌輪廓的方法，以及基于手掌輪廓的手指個數(shù)的計算法方法。另外，本文研究Hu不變量，實現(xiàn)了基于輪廓圖像的Hu矩不變量的計算，得到7個Hu矩不變量。最后，本文對十個特征參數(shù)的計算結(jié)果進行詳細分析，將所有特征參數(shù)分為三組，為了比較三組特征參數(shù)的有效性，設(shè)計了一套基于模版匹配的手勢識別系統(tǒng)，實驗結(jié)果表明提取的十個