基于指尖定位的手势识别算法研究

发布时间：2017-10-07 23:26

  本文关键词：基于指尖定位的手势识别算法研究

  更多相关文章： 手势识别 肤色分割 指尖定位 支持向量机

【摘要】：随着计算机的快速发展,更加自然、高效的新型人机交互方式不断出现。手势是人类的基本沟通方式之一,符合人类的日常交流习惯,因此手势识别作为主动式的人机交互方式,其研究具有重要的意义。但是目前在实际中应用的手势识别算法并不多,大多数仍停留在研究阶段。针对这种情况,本文在静态手势识别和动态轨迹识别方面展开了研究。本文提出了一种新型的实时手势识别算法。静态手势识别部分可以识别中国手语中的30种手指语字母,平均识别率为93.7%。动态轨迹识别部分可以识别中国手语中的百、千、弧、%和C02五种轨迹,平均识别率为85.1%。在肤色分割部分,本文结合背景差分对自适应肤色检测算法进行了改进。首先建立HSV-CbCr混合颜色空间进行肤色分割,然后采用背景差分得到手势区域,统计手势区域的色度信息,从而调整肤色阈值参数,形成自适应肤色分割算法。该算法能够适应不同用户的肤色差异,消除类肤色背景的影响,同时混合空间考虑了肤色的聚类性和可分辨性,降低了光照变化对肤色分割的影响。在多指尖定位方面,本文通过引入轮廓曲率分析改进了基于凸包计算的指尖检测算法。由于指尖点位于凸包顶点上,因此首先计算轮廓凸包,确定指尖候选点的范围,然后通过凸缺陷深度筛选,进一步减少指尖候选点,最后计算候选点的轮廓曲率,剔除顽固的干扰点,实现指尖的准确定位。单指尖定位由凸包分析实现,按时间顺序连接单指尖点即可得到指尖的动态轨迹。在提取静态手势特征时,本文选择了手势的结构特征和统计特征组成特征向量,这些特征不仅具有通用性和独立性的特点,而且计算简单效率高。动态轨迹特征主要定义了轨迹的角度变化和结构特征,其中的角度变化采用12方向的均匀量化编码。在特征提取的基础上,采用一对一的方式构建了支持向量机的多值分类器,分类器经训练样本训练后,实现了静态手势和动态轨迹的分类识别。
【关键词】：手势识别 肤色分割 指尖定位 支持向量机
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 中文摘要6-7
• ABSTRACT7-12
• 1 绪论12-20
• 1.1 课题的研究背景及意义12-13
• 1.2 手势识别的研究现状13-17
• 1.2.1 手势识别分类13-15
• 1.2.2 国内外研究现状15-17
• 1.3 课题研究的关键技术难点17-18
• 1.4 本文的主要内容与论文结构18-20
• 2 基于自适应肤色检测的手势分割20-36
• 2.1 常用的颜色空间20-24
• 2.1.1 RGB颜色空间20-21
• 2.1.2 HSV颜色空间21-23
• 2.1.3 YCbCr颜色空间23
• 2.1.4 颜色空间的分析与选择23-24
• 2.2 肤色模型24-27
• 2.2.1 肤色阈值模型24-25
• 2.2.2 直方图模型25-26
• 2.2.3 高斯分布模型26-27
• 2.2.4 肤色模型的建立27
• 2.3 基于混合颜色空间的肤色检测算法及实现27-29
• 2.4 结合背景差分的自适应手势分割算法及实现29-31
• 2.5 手势轮廓的提取31-33
• 2.6 基于结构特征的人脸检测33-34
• 2.7 本章小结34-36
• 3 指尖定位算法的研究36-48
• 3.1 基于轮廓曲率的指尖定位36-37
• 3.2 基于凸包分析的指尖定位37-43
• 3.2.1 凸包算法分析37-41
• 3.2.2 基于凸包特征的指尖检测41-43
• 3.3 本文采用的指尖定位算法及实现43-46
• 3.3.1 单指尖定位算法43-44
• 3.3.2 多指尖定位算法44-46
• 3.4 本章小结46-48
• 4 手势特征的提取算法研究48-60
• 4.1 静态手势特征提取48-55
• 4.1.1 静态手势定义48-49
• 4.1.2 静态手势的结构特征提取49-52
• 4.1.3 静态手势的统计特征提取52-53
• 4.1.4 实验结果与分析53-55
• 4.2 动态轨迹特征提取55-58
• 4.2.1 动态轨迹定义55-56
• 4.2.2 动态轨迹的特征提取56-58
• 4.2.3 实验结果与分析58
• 4.3 本章小结58-60
• 5 基于支持向量机的手势识别60-74
• 5.1 支持向量机的基本思想61-66
• 5.1.1 线性支持向量机61-63
• 5.1.2 非线性支持向量机63-65
• 5.1.3 支持向量机的核函数65
• 5.1.4 多值分类的SVM模型65-66
• 5.2 基于支持向量机的手势识别66-67
• 5.3 实验结果与分析67-71
• 5.4 手势输入系统的实现71-72
• 5.5 本章小结72-74
• 6 总结与展望74-76
• 6.1 论文总结74-75
• 6.2 下一步研究方向75-76
• 参考文献76-80
• 作者简历80-84
• 学位论文数据集84

【相似文献】

中国期刊全文数据库 前10条

1 ;新型手势识别技术可隔着口袋操作手机[J];电脑编程技巧与维护;2014年07期

2 任海兵,祝远新,徐光，

本文编号：990697