基于結(jié)構(gòu)光的手勢識別技術(shù)魯棒性研究.pdf

1、隨著當(dāng)代計算機(jī)技術(shù)的發(fā)展，人與計算機(jī)之間的交互變得越來越人性化、簡便化，手勢作為一種自然的人機(jī)交互手段，廣泛地引起了研究者們的關(guān)注。手勢識別技術(shù)主要研究對手勢的檢測與識別，實現(xiàn)擬人化的人機(jī)交互，可以應(yīng)用到機(jī)器人運動控制和手語識別等方面。
　　目前，最常用的兩種手勢識別的方法是基于穿戴式傳感器的手勢識別方法和基于視覺的手勢識別方法?；诖┐魇絺鞲衅鞯氖謩葑R別方法需要戴一個類似于手套的傳感器設(shè)備，有時候可能會給用戶帶來不便（比如出汗）

2、，而且較為昂貴。而基于視覺的手勢識別方法，利用攝像頭非接觸式地捕獲手勢的動作，交互方式比較自然，傳統(tǒng)的基于視覺的手勢識別技術(shù)捕獲的是手勢的二維圖像，容易受到背景、視角、光照等因素的影響。本文對傳統(tǒng)的基于視覺的手勢識別技術(shù)進(jìn)行了改進(jìn)，提出了一種基于結(jié)構(gòu)光的手勢識別技術(shù)，利用kinect類3D深度相機(jī)掃描手勢，獲取手勢場景的三維信息，進(jìn)一步構(gòu)建手勢表面的點云數(shù)據(jù)，再對三維點云進(jìn)行深度過濾，利用最近目標(biāo)法提取出手勢的感興趣區(qū)域(ROI)，然后

3、應(yīng)用膚色檢測技術(shù)對手勢進(jìn)行定位，再應(yīng)用Adaboost算法對手勢進(jìn)行識別。為了提高檢測方法的魯棒性，本文定義了“拳”和“掌”兩種手形，應(yīng)用Adaboost算法分別對“拳”和“掌”兩種手形進(jìn)行識別，均有很好的識別效果。經(jīng)感興趣區(qū)域提取、膚色檢測和Adaboost識別這三步，本文精確地提取出了“拳”和“掌”兩種手形的手勢區(qū)域。為了進(jìn)一步實現(xiàn)對動態(tài)手勢的識別，本文定義了“上”、“下”、“左”、“右”和“對號”五種手勢，使用隱馬爾科夫模型(HM

4、M)對五種手勢進(jìn)行識別，識別效果都很好。
　　實驗結(jié)果表明:基于結(jié)構(gòu)光技術(shù)的kinect類3D深度相機(jī)能快速地捕獲手勢場景的三維信息，且不用過分考慮紋理和光線環(huán)境;經(jīng)感興趣區(qū)域提取、膚色檢測和Adaboost識別三步，本文精確地提取出了“拳”和“掌”兩種手形的手勢區(qū)域，提高了系統(tǒng)的魯棒性;使用HMM模型分別對“上”、“下”、“左”、“右”和“對號”五種手勢進(jìn)行識別，基本上達(dá)到了動態(tài)識別的實時性。這些都表明本文算法具有快速、精確、分