基于視覺的字母手勢識別技術研究及實現.pdf

1、在目前人工智能高速發(fā)展的時代，對計算機視覺的研究也越來越熱門。在視覺領域中，由于人手手勢表達能力的豐富性，針對手勢識別的研究者不斷增多。隨著人們對手勢識別研究的深入，使得人機交互更加人性化。目前機器的研究不斷趨于小型化，然而外部輸入設備一直占了機器的很大一部分，基于計算機視覺的手勢識別，使得機器去掉這些外部輸入設備成為可能。
　　目前國內對手勢識別的研究，很大一部分是對一些簡單手勢的識別，手勢量較少，為了更好、更簡單的實現人機交互

2、，利用普通攝像頭實時采集人手圖像，完成對26個英文字母手勢的檢測、跟蹤和識別，并且輸出相應的字母。通過對相關算法的分析和改進，使得效果具有一定的改善。
　　首先，對于人手的檢測，膚色分割檢測是最簡單而且有效的方法，但是膚色檢測很容易誤檢，例如把人臉誤檢為人手。利用圖像的Haar特征，以Adaboost分類器進行目標檢測在較大尺寸圖像的圖像上檢測比較困難，所以利用兩種方法的優(yōu)點，把膚色檢測的結果輸入Adaboost分類器進行檢測，很

3、好的完成人手檢測，提高了檢測精度。
　　其次，在人手跟蹤上，粒子濾波跟蹤算法具有不錯的效果，但基本粒子濾波跟蹤算法在重采樣階段存在粒子退化和粒子匱乏等缺點，針對此缺點，提出了一種基于風驅動優(yōu)化的粒子濾波改進算法，既在粒子濾波算法重采樣前，引入風驅動優(yōu)化算法對粒子進行優(yōu)化，仿真和實驗結果表明該改進算法在一定程度上提高了基本粒子濾波跟蹤算法的效果。
　　然后，對實時跟蹤到的手勢區(qū)域，進行識別。識別方法主要采用深度學習——卷積神經