基于認知模型的運動人手三維跟蹤方法研究.pdf

1、通過視覺計算對視頻圖像序列中的運動人手的姿態(tài)進行估計、3D跟蹤，是人機交互(Human Comouter Interaction, HCI)研究中的一個基礎性和關鍵性的課題，主要涉及到計算機視覺、人機交互理論、預測估計方法學等眾多交叉學科，對其進行深入研究，對于深化智能人機交互理論和應用，推進相關學科的發(fā)展具有重要意義。
　　 單目視覺條件下基于模型的運動人手三維跟蹤的主要目的是：連續(xù)獲取手勢幀圖像相對應的三維手勢的位置和姿態(tài)，

2、為實現(xiàn)自然、和諧的人機交互打下良好的基礎。其跟蹤方法的本質(zhì)主要是依據(jù)k-1時刻的3D手勢模型參數(shù)和第k時刻的手勢幀圖像的數(shù)據(jù)信息，預測k時刻的3D手勢，從而達到跟蹤的目的?；谀Ｐ偷母櫡椒ㄌ攸c在于建立3D手勢模型特征和手勢圖像特征之間的映射關系，利用觀察到的手勢圖像特征與3D手勢模型進行相似性度量從而確定誤差最小的模型參數(shù)，本質(zhì)上是一個在高維空間進行搜索和匹配的問題。然而由于人手是一個復雜的非剛性的多鏈接物體，且手勢本身具有多義性、多

3、樣性以及在時間和空間上存在差異性的特點，并且人手具有高自由度，手勢的這種高維狀態(tài)表達是姿態(tài)估計中有效全局搜索真實手勢的最大障礙，假設運動過程中每個手勢自由度只有兩個變化趨勢，那么對于具有33個自由度的人手來說，每次運算量為233，搜索真實手勢時容易陷入“維數(shù)災難”的陷阱，使手勢跟蹤實時性成為一個遙不可及的事情。
　　 本文結合計算機科學和認知心理學等相關學科，對3D運動人手跟蹤進行多學科的交叉討論和研究，提出了基于認知模型的運動

4、人手的三維跟蹤方法。
　　 主要對以下幾個關鍵問題進行了研究：
　　 (1)復雜背景下基于空間分布特征的的手勢識別。
　　 手勢識別是先進入機交互研究的一項關鍵技術?；谧匀蝗耸值男滦偷娜藱C交互理論和應用中，要求用戶的手勢能處于自然狀態(tài)，使人能夠以自然的方法進行人機交互。
　　 本文作者結合手勢的全局特征和局部特征對手勢進行了更為全面的描述，并且在識別過程中引入“搜索窗口”和“隨機采樣機制”?！八阉鞔翱凇?/p>

5、的引入，實現(xiàn)了準確定位一定尺寸的只包含手勢區(qū)域的“搜索窗口”，后續(xù)的識別過程僅在該“搜索窗口”內(nèi)進行。一方面縮小了預處理范圍，減少了不必要的計算過程，提高了識別速度；另一方面，避免了噪聲點和類膚色的干擾，能夠做到有大量噪聲點和人臉干擾時正確識別手勢，提高識別率：結合手勢的形狀特征引入的隨機采樣，提高了手勢識別速率。本算法不僅能識別總體區(qū)分度比較小的手勢，且能夠識別存在一定彎曲程度的手勢，為和諧、自然的人機交互創(chuàng)下了基本條件。
　　

6、 (2)提出了基于認知模型的運動人手的三維跟蹤方法。
　　 自然人機交互過程中，處處都存在著操作者的心理活動，該心理活動直接影響到操作者的運動形式，本文運動人手跟蹤方法以認知心理學、行為科學等為理論基礎，研究操作者在特定實驗條件下的認知心理特征與人手運動的行為特性。首先，運用觀察法、實驗法、口語報告法等心理學分析方法研究特定人機交互條件下不同操作者的認知心理特點和手勢運動特點，并經(jīng)過訓練使不同的操作者實現(xiàn)同一個完整的運動過程，

7、并借助于虛擬輔助平臺獲取運動數(shù)據(jù)，然后對數(shù)據(jù)進行認知曲線擬合，使手勢運動特點具體化，數(shù)字化，為后續(xù)的采樣做鋪墊。并在此基礎上分析數(shù)據(jù)狀態(tài)變化趨勢，以概率的方式對運動手勢數(shù)據(jù)進行分類，為粒子濾波采樣方法提供了一種高效，統(tǒng)一的數(shù)學認知模型，以此為基礎的采樣算法可以避免盲目的搜索，實現(xiàn)高維空間下跟蹤手勢全自由度的運動姿態(tài)時減少對動態(tài)模型的依賴，而是更多地信任認知模型提供的運動線索，實驗結果表明，與傳統(tǒng)濾波算法相比，基于認知模型的手勢跟蹤算法可