連續(xù)動(dòng)態(tài)手勢(shì)識(shí)別的研究.pdf

1、人機(jī)交互(Human Computer Interaction，HCI)技術(shù)在各個(gè)領(lǐng)域內(nèi)，都占據(jù)了重要的地位。手勢(shì)作為人機(jī)交互最直觀、形象和生動(dòng)的手段，理所當(dāng)然地成為研究人機(jī)交互課題中的熱點(diǎn)之一。本文利用單目攝像頭，對(duì)單手的運(yùn)動(dòng)進(jìn)行識(shí)別研究。所以，本文以連續(xù)動(dòng)態(tài)手勢(shì)識(shí)別的研究為題，主要解決手勢(shì)分割時(shí)，光照、人臉、手臂及類膚色對(duì)手掌分割的干擾，以及連續(xù)手勢(shì)識(shí)別時(shí)，如何將預(yù)定義的孤立手勢(shì)與非意義的動(dòng)作區(qū)分開，如何確定一個(gè)手勢(shì)的起點(diǎn)和終點(diǎn)等這

2、些問題。為了完成本課題以及解決前面所提到的問題，本文對(duì)相應(yīng)的算法進(jìn)行了研究，提出了一定的解決方案，并進(jìn)行了大量的實(shí)驗(yàn)，實(shí)驗(yàn)證明:本文提出的解決相應(yīng)問題的方案是可行的，并取得了很好的結(jié)果。手勢(shì)識(shí)別過程中，主要包括手勢(shì)分割、特征提取和手勢(shì)識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)，因此，本文的研究工作如下:
　　 1)采用融合膚色檢測(cè)和運(yùn)動(dòng)檢測(cè)的手掌分割方法，能夠有效解決光照、人臉、手臂及類膚色對(duì)手掌分割的干擾。本文首先進(jìn)行圖像預(yù)處理，使光照均衡，并進(jìn)行去噪

3、;然后采用YCbCr膚色檢測(cè)和單高斯背景差分法相結(jié)合的方法，能夠?qū)⑾鄬?duì)靜止的人臉及類膚色去除掉，得到粗糙的手部區(qū)域;接著采用形態(tài)學(xué)中的開閉操作和標(biāo)記連通區(qū)域的圖像后處理方法，能夠去除多余的小區(qū)域，填充孔洞，得到完整的手部區(qū)域。
　　 2)將方向鏈碼編碼的方法作為手勢(shì)運(yùn)動(dòng)軌跡的特征，該特征提取方法比較簡(jiǎn)單，大大減少了計(jì)算量。手掌分割后，得到一系列手掌區(qū)域的質(zhì)心點(diǎn)，連接這些質(zhì)心點(diǎn)，得到手勢(shì)運(yùn)動(dòng)的軌跡。根據(jù)兩相鄰質(zhì)心點(diǎn)的坐標(biāo)，求得質(zhì)心

4、點(diǎn)的夾角。本文采用12方向鏈碼，即用1～12來編碼這些夾角，最終得到一維特征向量。
　　 3)研究了基于隱馬爾科夫模型(Hidden Markov Model，HMM)的門限模型方法，并應(yīng)用于連續(xù)動(dòng)態(tài)手勢(shì)的識(shí)別，能夠?qū)㈩A(yù)定義的手勢(shì)和非意義的動(dòng)作區(qū)分開，以及確定一個(gè)手勢(shì)的起點(diǎn)和終點(diǎn)。本文首先采用HMM對(duì)預(yù)定義的孤立動(dòng)態(tài)手勢(shì)進(jìn)行識(shí)別，得到每個(gè)預(yù)定義孤立動(dòng)態(tài)手勢(shì)的HMM;然后將每個(gè)預(yù)定義孤立動(dòng)態(tài)手勢(shì)的HMM合并成一個(gè)基于HMM的門限模