手勢(shì)圖像識(shí)別算法研究.pdf

1、人與計(jì)算機(jī)的頻繁互動(dòng)已經(jīng)成為生活中的日常操作，其中，關(guān)于手勢(shì)的研究已然成為目前人機(jī)交互研究領(lǐng)域的主要研究方向之一。手勢(shì)識(shí)別技術(shù)的研究將會(huì)改變傳統(tǒng)的人機(jī)交互方式，手勢(shì)的的使用必然會(huì)使得人機(jī)交互技術(shù)從以機(jī)器為中心逐步轉(zhuǎn)移到以人為中心，讓人機(jī)交互的方式變得便捷，人機(jī)交互方式變得豐富，也使使用計(jì)算機(jī)的門檻降低。
　　本文對(duì)手勢(shì)識(shí)別完整系統(tǒng)進(jìn)行表述，主要包含了四個(gè)主要部分，靜態(tài)手勢(shì)圖像的預(yù)處理，關(guān)于手勢(shì)的圖像分割，手勢(shì)的特征提取以及最后的手

2、勢(shì)的識(shí)別方法。系統(tǒng)通過攝像頭捕獲手勢(shì)圖像，對(duì)該圖像進(jìn)行預(yù)處理，其中包括彩色空間轉(zhuǎn)換、平滑處理、形態(tài)學(xué)運(yùn)算、灰度化、二值化、輪廓提取，其中詳細(xì)介紹通過常用的顏色空間，分析影響到手勢(shì)特征提取及分割的色彩分量，并通過彩色空間轉(zhuǎn)換減弱甚至消除該影響。本文詳細(xì)介紹基于canny邊緣的檢測(cè)方法，并根據(jù)在手勢(shì)邊緣提取方法上的不足提出改進(jìn)。
　　手勢(shì)分割部分是手勢(shì)識(shí)別系統(tǒng)的關(guān)鍵步驟之一，在簡(jiǎn)單、單一背景的室內(nèi)環(huán)境下分割手勢(shì)的算法要求不高，但是在復(fù)

3、雜背景下的室外環(huán)境下，有太多的干擾，這使得傳統(tǒng)的分割方法無(wú)法將手勢(shì)從背景中干凈的分割出來(lái)，本文介紹的傳統(tǒng)的Otsu算法雖然在單一背景下效果不錯(cuò)，但是復(fù)雜背景下顯得捉襟見肘，通過改進(jìn)灰度圖像的劃分方法使的Otsu算法能夠分割出手勢(shì)。
　　干凈的手勢(shì)圖像中的信息量太多，如果作為分類識(shí)別系統(tǒng)的輸入，這會(huì)增加識(shí)別系統(tǒng)的計(jì)算量以及計(jì)算復(fù)雜度，所以手勢(shì)圖像的特征提取是需要的，本文使用的是圖像區(qū)域幾何的特征的不變距，不變距由7個(gè)不變距的值組成，

4、我們?yōu)榱耸棺R(shí)別系統(tǒng)分類的輸入具有旋轉(zhuǎn)、平移、尺度變化不變性，就需要通過仿真并且比較從中挑選出符合條件的分量并組合成輸入向量。
　　在識(shí)別方法的挑選中，本文挑選的基于自適應(yīng)神經(jīng)-模糊推理系統(tǒng)（ANFIS）的手勢(shì)識(shí)別方法具有自主學(xué)習(xí)的能力，而且魯棒性好。雖然該方法的識(shí)別能力好但是計(jì)算復(fù)雜度高，我們通過對(duì)不變距的篩選結(jié)合自適應(yīng)神經(jīng)-模糊推理系統(tǒng)的手勢(shì)識(shí)別法，提高整個(gè)系統(tǒng)的手勢(shì)識(shí)別率，并且與BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行，平均識(shí)別率95.