基于Gabor特征和稀疏表示分類的手勢識別及應用.pdf

1、手，作為身體的關(guān)鍵部位，在人們?nèi)粘Ｉ钪邪l(fā)揮著巨大作用，手勢更是人與人之間基本的交流方式。隨著科技的發(fā)展，自然直觀的基于手勢的人機交互系統(tǒng)為人們?nèi)粘Ｉ畹阮I域提供了巨大的便利，手勢識別技術(shù)成為了近年來的研究熱點之一。
　　本文主要實現(xiàn)了在單目視覺環(huán)境下的靜態(tài)及動態(tài)手勢識別系統(tǒng)，并將其應用在多媒體播放器控制中。手勢識別系統(tǒng)包括建立手勢圖像庫、手勢圖像預處理、手勢分割與劃分、手勢特征提取、手勢分類五大部分。
　　首先，針對現(xiàn)有基

2、于運動軌跡的動態(tài)手勢存在需要確定起始位置、手勢實現(xiàn)伴隨大范圍幅度移動需要追蹤的問題，本文建立了由近紅外相機采集的包含8種自定義手勢姿態(tài)變化的動態(tài)手勢的手勢庫。并從手勢種類、用戶數(shù)、手勢的姿態(tài)三個方面分別描述了采集的動態(tài)手勢并給出手勢樣本圖像。
　　其次，在手勢劃分階段，本文提出了基于幀差的動靜態(tài)手勢劃分及基于差分閾值判斷的動態(tài)手勢劃分的方法，以解決不同狀態(tài)手勢劃分問題。動態(tài)手勢中由于手勢與背景分割和用戶個體差異導致的手勢變化速度快

3、慢不同，本文提出結(jié)合手勢分割的閾值選擇和關(guān)鍵幀選擇的二重選擇算法來解決背景分割與手勢變化速度快慢問題。實驗證實，經(jīng)過關(guān)鍵幀提取后的動態(tài)手勢識別不僅提高了識別率而且明顯減少了手勢識別的運算時間。
　　再次，在手勢特征選取和手勢識別階段，針對本文中手勢特點，提出將融合Gabor小波變換、主成分分析(PCA)降低Gabor特征維數(shù)、稀疏表示分類(SRC)的方法應用于手勢分類。經(jīng)過大量實驗，驗證了GPSRC算法在靜態(tài)手勢上識別率最高為98