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(guò)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(guò)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(guò)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(jiàn)肘，通過(guò)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(guò)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(guò)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.