基于PCA-HOG與LBP特征融合的靜態(tài)手勢(shì)識(shí)別方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)不斷的發(fā)展，出現(xiàn)了越來(lái)越多的人機(jī)交互方式。由于手勢(shì)的直觀性、自然性等特點(diǎn)，所以手勢(shì)識(shí)別也成為了一種重要的人機(jī)交互方式(HCI)。但手勢(shì)自身具有的多樣性，以及在時(shí)空上的差異性等特點(diǎn)，使手勢(shì)識(shí)別成為一個(gè)極富挑戰(zhàn)性的多學(xué)科交叉的研究課題。如何能夠快速而準(zhǔn)確的識(shí)別出手勢(shì)所表達(dá)的意義，成為了人們研究的重點(diǎn)。本文以兼顧實(shí)時(shí)性和提高手勢(shì)的識(shí)別率為研究目標(biāo)，設(shè)計(jì)實(shí)現(xiàn)一個(gè)基于計(jì)算機(jī)視覺(jué)的靜態(tài)手勢(shì)識(shí)別系統(tǒng)，完成對(duì)預(yù)定義的6種靜態(tài)手勢(shì)的識(shí)別。<

2、br>　　論文首先討論了幾種常見(jiàn)的圖像預(yù)處理方法，以用來(lái)去除圖像的噪聲和增強(qiáng)圖像的質(zhì)量，并分別對(duì)梯度直方圖(HOG特征)和支持向量機(jī)(SVM)進(jìn)行了相關(guān)的介紹。由于手勢(shì)的多樣性以及圖像背景的復(fù)雜性，本文選擇單一特征最為強(qiáng)大的HOG特征。與其他特征相比，HOG特征對(duì)于手勢(shì)圖像的光線變化和小幅度旋轉(zhuǎn)方面有較強(qiáng)的魯棒性。將HOG特征與SVM結(jié)合起來(lái)，作為手勢(shì)的識(shí)別算法。實(shí)驗(yàn)結(jié)果表明，HOG結(jié)合SVM的方法對(duì)手勢(shì)識(shí)別有較好的分類效果。
　

3、　在對(duì)手勢(shì)圖像分類訓(xùn)練時(shí)，常用的HOG特征維數(shù)較高，包含大量的冗余信息，使得特征的提取算法較為復(fù)雜。為了克服這一不足，提出一種改進(jìn)算法，引入了主成分析法(PCA)對(duì)HOG特征進(jìn)行降維處理，形成PCA-HOG特征，并與LBP特征相融合形成新的PCA-HOG+LBP融合手勢(shì)特征。該融合特征既有手勢(shì)邊緣梯度信息，又有紋理特征信息，能有效彌補(bǔ)單一HOG特征的不足，提高手勢(shì)在遮擋情況下的識(shí)別率。最后用Jochen Triesch手勢(shì)庫(kù)中的手勢(shì)圖像