无人驾驶车辆手势指令识别研究与实现

发布时间：2021-05-24 05:17

　　本文论述了无人驾驶车辆车载计算机视觉系统对车辆指挥员手势指令的识别技术研究与实现。通过多目标检测和关键点检测技术寻找人脸和手部的基础上,通过人脸的关键点比较来完成人脸识别,根据多个部位的位置信息,与约定好的规则进行对比,从而对人物所表达的信息做出解读。为下一步的动作意图,以及3D建模表示提供参考。人体关键点检测技术结合了图像处理与分析技术,计算机视觉以及人工智能等多门学科,在军事,智能安防,文化娱乐等领域具有较高的使用价值,目前,可以说是一个应用非常广泛的技术,发展前景非常的巨大。本文在深入了解人脸识别算法、姿态检测算法以及手势识别算法的基础上,将三大算法相结合,接着通过优化算法结构,成功实现了在识别人脸的情况下,对授权人的姿态进行分析,从而解读出该授权人所要表达的手势含义。文章主要从传统的基于规则的检测算法开始,到基于深度学习的检测算法对手势识别算法的技术展开研究。对于人脸识别算法。首先分析了传统的图像预处理技术,然后研究了常用的HAAR特征提取法和HOG特征提取法。随后研究了基于卷积神经网络的人脸识别算法,并通过仿真实现算法,并应用到实际的手势识别中。基于深度学习的关键点检测。首先... 

【文章来源】：沈阳理工大学辽宁省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究的背景和意义
    1.2 计算机视觉的发展
        1.2.1 多目标检测
        1.2.2 姿态检测
        1.2.3 手势识别技术
    1.3 计算机视觉的应用领域
    1.4 论文的主要研究内容和结构安排
        1.4.1 主要研究内容
        1.4.2 论文结构安排
第2章 典型图像识别算法理论基础
    2.1 图像预处理
        2.1.1 灰度化
        2.1.2 去干扰和噪声
    2.2 图像特征提取
        2.2.1 HAAR特征提取
        2.2.2 HOG特征提取
    2.3 神经网络
        2.3.1 神经元
        2.3.2 正向传播
        2.3.3 反向传播
    2.4 卷积神经网络
        2.4.1 卷积层
        2.4.2 池化层
        2.4.3 归一化层
    2.5 本章小结
第3章 本课题使用的关键技术
    3.1 人脸识别算法
        3.1.1 人脸检测
        3.1.2 人脸对齐
        3.1.3 特征提取——ResNet网络
        3.1.4 特征对比
        3.1.5 分析及改进
    3.2 Open Pose姿态估计算法
        3.2.1 简介
        3.2.2 主要流程
        3.2.3 网络结构
        3.2.4 PAFPart Affinity Fields
        3.2.5 优点
        3.2.6 缺点
        3.2.7 本文改进
    3.3 手势识别算法
        3.3.1 手势定位
        3.3.2 手势判定
    3.4 本章小结
第4章 手势指令识别系统的总体设计思路
    4.1 系统需求
        4.1.1 功能需求
        4.1.2 性能需求
        4.1.3 输出需求
    4.2 总体模块设计
        4.2.1 建立已知人脸库
        4.2.2 人脸检测
        4.2.3 人脸识别
        4.2.4 姿态检测
        4.2.5 手势识别
        4.2.6 结果输出
    4.3 总体流程设计
    4.4 本章小结
第5章 手势指令识别系统的实现
    5.1 人脸检测
    5.2 人脸识别
    5.3 姿态检测
    5.4 手势识别
        5.4.1 手势定位
        5.4.2 手势判定
    5.5 运行结果和分析
        5.5.1 运行结果
        5.5.2 系统改进之处
        5.5.3 硬件和软件的支持
        5.5.4 系统运行环境
        5.5.5 缺点与不足
    5.6 本章小结
总结
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢


【参考文献】：
期刊论文
[1]基于多特征HMM融合的复杂动态手势识别[J]. 陈国良,葛凯凯,李聪浩.  华中科技大学学报(自然科学版). 2018(12)
[2]复杂环境下通用的手势识别方法[J]. 杜堃,谭台哲.  计算机应用. 2016(07)
[3]结合肤色模型和卷积神经网络的手势识别方法[J]. 王龙,刘辉,王彬,李鹏举.  计算机工程与应用. 2017(06)

硕士论文
[1]基于Kinect的手势识别与机器人控制技术研究[D]. 王松林.北京交通大学 2014
[2]Hausdorff距离在手势识别中的运用[D]. 苏九林.上海海事大学 2004



本文编号：3203622