基于手勢(shì)識(shí)別的計(jì)算機(jī)輸入技術(shù)研究.pdf

1、隨著計(jì)算機(jī)的發(fā)展，人機(jī)交互技術(shù)也逐漸發(fā)展起來(lái)，手勢(shì)識(shí)別正逐漸成為人機(jī)交互技術(shù)的一個(gè)重要的研究課題。手勢(shì)識(shí)別過(guò)程可分為手勢(shì)分割、手勢(shì)跟蹤、特征提取和手勢(shì)識(shí)別四個(gè)部分，文中重點(diǎn)研究后三個(gè)部分。在手勢(shì)識(shí)別的基礎(chǔ)上，設(shè)計(jì)并開(kāi)發(fā)了類鼠標(biāo)的計(jì)算機(jī)輸入系統(tǒng)。
　　在手勢(shì)跟蹤部分，本文應(yīng)用Camshift算法進(jìn)行跟蹤，快速準(zhǔn)確，隨后針對(duì)Camshift算法容易陷于局部極小值這一缺陷，加入預(yù)測(cè)跟蹤位置的機(jī)制進(jìn)行了改進(jìn)，解決了手勢(shì)在經(jīng)過(guò)類膚色物體時(shí)容

2、易跟蹤失效的問(wèn)題。在手勢(shì)跟蹤的基礎(chǔ)上，本文參考鼠標(biāo)的工作原理，利用手移動(dòng)的相對(duì)位移和速度控制光標(biāo)，使手勢(shì)在移動(dòng)范圍很小時(shí)就可以控制光標(biāo)在整個(gè)屏幕移動(dòng)，避免了人臉的干擾和屏幕邊緣難以操作的困擾，大大增強(qiáng)了系統(tǒng)的可操作性。最后對(duì)光標(biāo)的運(yùn)動(dòng)軌跡應(yīng)用Catmull插值算法擬合，使光標(biāo)移動(dòng)軌跡平滑。
　　在手形識(shí)別部分，本文采用加權(quán)的7個(gè)Hu不變矩和指尖點(diǎn)個(gè)數(shù)兩種特征，利用支持向量機(jī)作為分類器對(duì)five（手掌）、point（食指手形）、fi

3、st（拳頭）、tick（勾號(hào)）、v（勝利）五種手形進(jìn)行識(shí)別，平均識(shí)別率達(dá)到94.8％。指尖點(diǎn)檢測(cè)首先對(duì)手形輪廓進(jìn)行誤差較大的多邊形逼近，大大排除了實(shí)際應(yīng)用中手形輪廓不光滑的干擾，然后利用凸包凸缺陷的性質(zhì)設(shè)定一定的約束條件，最終得到指尖檢測(cè)的平均準(zhǔn)確率為94.2％，為手形識(shí)別提供了有效的特征。另外，本文針對(duì)tick和v手形對(duì)Hu矩高階部分加權(quán)，增強(qiáng)輪廓的細(xì)節(jié)信息，使得手形v的識(shí)別率由54％提高到了84％。
　　在動(dòng)態(tài)手勢(shì)軌跡識(shí)別方面

4、，本文利用位置、速率、角度三個(gè)表示軌跡的特征，采用連續(xù)隱馬爾可夫模型算法識(shí)別上下左右四種手勢(shì)運(yùn)動(dòng)軌跡。最終得到的識(shí)別準(zhǔn)確率較高，平均達(dá)到98.5％。
　　在手勢(shì)識(shí)別的基礎(chǔ)上，以Visual Studio2012為開(kāi)發(fā)平臺(tái)，基于OpenCV2.44庫(kù)，實(shí)現(xiàn)了一種類鼠標(biāo)的計(jì)算機(jī)輸入系統(tǒng)。本文設(shè)計(jì)并實(shí)現(xiàn)了十一種手勢(shì)命令:光標(biāo)控制、單擊、雙擊、右擊、放大、縮小、上下左右翻頁(yè)。經(jīng)過(guò)測(cè)試，這十一種手勢(shì)命令設(shè)計(jì)友好，可操作性強(qiáng)，由作者本人操作的