复杂环境下通用的手势识别方法研究

发布时间：2021-06-05 15:39

　　复杂背景下的手势识别一直是人机交互领域的一大难题,现行手势识别方法在光照变化、背景干扰情况下存在计算量大,耗时长的问题。针对该问题提出了一种复杂环境下通用的手势识别方法,方法能提高手势识别的计算效率。整个方法包含三个部分,手势检测、手势识别和参数更新。在手势检测部分,为提高计算效率提出一种基于位运算的方法代基于替滑动窗口手势检测,该方法利用二进制方式实现支持向量机模型并且利用64位整型的特点使用位操作实现遍历从而完成目标快速筛选。方法并不精确的提取手势区域,而是在极短的时间内提取数个可能的备选窗口。手势检测部分的输入是肤色似然图,图像采集不依赖于特定的设备,一般的视觉设备都可以进行采集,计算的过程需要依赖64位运算平台。在手势识别部分,使用基于计算统一设备架构的卷积神经网络模型对手势检测部分筛选的区域进行二次判断和识别。这一部分要求同时完成二次筛选和手势识别,在网络的分类的设置上会设置手势分类和错误分类。手势识别部分所使用输入是肤色掩膜和原图像的灰度图做相交操作之后组成的图像。对于输入样本需要进行扩展使得网络对平移和旋转鲁棒。在参数更新部分,为了进一步增强方法在对外界环境的鲁棒性,提出... 

【文章来源】：广东工业大学广东省

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 手势识别的主要思路
    1.4 手势识别的难点
    1.5 论文的组织结构
第二章 手势区域提取
    2.1 引言
        2.1.1 椭圆肤色模型
        2.1.2 获取手势轮廓
    2.2 基于位运算的手势分割方法
        2.2.1 获取肤色似然特征
        2.2.2 肤色似然特征与手势区域检测
        2.2.3 BISL二进制肤色似然特征
    2.3 实验结果分析
    2.4 本章小结
第三章 基于卷积神经网络进行手势识别
    3.1 引言
    3.2 全连接神经网络
        3.2.1 神经元与激励函数
        3.2.2 正向计算
        3.2.3 反向传播
    3.3 卷积神经网络
        3.3.1 卷积神经网络的特点
        3.3.2 卷积神经网络的结构
        3.3.3 卷积神经网络的相关操作
        3.3.4 卷积神经网络的计算过程
    3.4 使用卷积网络进行手势识别
        3.4.1 网络输入特征的选择
        3.4.2 网络输入样本的选择
        3.4.3 网络的整体结构设计
        3.4.4 使用GPU进行加速
    3.5 实验结果分析
    3.6 本章小结
第四章 基于形状信息的肤色参数更新
    4.1 引言
    4.2 基于先验形状的图像分割
        4.2.1 图像分割的方法介绍
        4.2.2 本文的手势分割模型
    4.3 更新椭圆肤色模型参数
        4.3.1 方法的原理
        4.3.2 损失函数和计算过程
        4.3.3 迭代更新和辅助特征
    4.4 实验结果分析
    4.5 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
致谢


【参考文献】：
期刊论文
[1]基于Kinect的指尖检测与手势识别方法[J]. 谈家谱,徐文胜.  计算机应用. 2015(06)
[2]基于分裂式K均值聚类的肤色检测方法[J]. 赵杰,桑庆兵,刘毅锟.  计算机工程与应用. 2014(01)
[3]基于双目视觉的人手定位与手势识别系统研究[J]. 谭同德,郭志敏.  计算机工程与设计. 2012(01)
[4]基于SURF特征跟踪的动态手势识别算法[J]. 包加桐,宋爱国,郭晏,唐鸿儒.  机器人. 2011(04)
[5]基于Matlab的双线性插值算法在图像旋转中的应用[J]. 曹佃国,陈浩杰,李鹏.  中国印刷与包装研究. 2010(04)
[6]基于数据手套输入的汉语手指字母的识别[J]. 吴江琴,高文,陈熙霖.  模式识别与人工智能. 1999(01)



本文编号：3212443