基于多特征融合的静态手势识别方法研究

发布时间：2021-06-20 17:35

　　传统的手势识别方法依靠人工设计复杂的特征提取算法进行图像的特征提取,该方法对手势图像的采集设备、背景及人的手势动作要求较高。基于卷积神经网络的图像特征提取可以直接将整张图像作为网络的输入,输入图像通过网络内部的卷积层提取深层次特征,提取的特征能够更全面地描述手势图像的信息。但是基于单一卷积神经网络的特征提取方法可能存在手势图像特征遗漏问题,只能提取手势图像的深层次特征,忽略了低层次特征（局部特征）在手势识别中的作用。为了解决以上问题,本文研究了基于双通道卷积神经网络的特征提取方法,然后提出了基于多特征融合的静态手势识别方法。完成的主要研究工作如下:（1）为了解决多肤色手势图像的分割问题,提出了一种综合多要素的手势图像分割方法。采用YCbCr颜色模型对手势图像进行初步分割。利用中值滤波和漫水填充对初分割后的手势图像进行去噪。利用基于最大连通域和质心位置的方法来排除背景中的类肤色区域及除手部区域以外的肤色区域,获得只包含手部区域的二值图像,用于后续手势图像的局部特征提取。（2）对于单一卷积神经网络提取手势图像特征信息不充分的问题,提出了基于双通道卷积神经网络的手势特征提取方法。在用于特征提... 

【文章来源】：浙江理工大学浙江省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图１．１手势应用领域??

图２．２Ｃｂ值、Ｃｒ值随Ｙ值的变化??４２１０

浙江理工大学硕士学位论文?基于多特征融合的静态手势识别方法研宄??２．１．２基于ＹＣｂＣｒ颜色空间的分割??本文对手势库中１〇〇张手势ＹＣｂＣｒ图像中肤色点进行了采样，得到肤色样??本点对应的Ｙ值、Ｃｂ值、Ｃｒ值，Ｃｂ值与Ｃｒ值随Ｙ值的变化如图２．２所示。??１８０?－１??？?０）值随Ｙ值的变化??１６０?＇?＊＊?＊＊?＊?＊?Ｃｒ值醜Ｙ值的变化?＊??１４０－ｘ?＊?＊?Ｋ？?＊?＊?／?＊＊?Ｔ?Ｎ?＊??占?＾?Ｘ?？?？?＾?％?／?＊?Ｔ?Ｖｔ??？?？?＃?ｔ?ｒ，?＾??６?１００?＾?《Ｔ?Ｔ?＾?＾??ｖ?蕈ｐ?？零▼??抝％?▼??６０?Ｊ—ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??５０?７５?１００?１２５?１５０?１７５?２００??Ｙ值??图２．２Ｃｂ值、Ｃｒ值随Ｙ值的变化??由图２．２可以看出，Ｙ值均分布在区间［４０，２１０］中，此时Ｃｂ值分布在区间??［７７，１３５］中，Ｃｒ值分布在区间［１１０，１６５］中，所以在这种情况下，本文提取图像原??像素为肤色，其他情况图像的原像素设置为〇，肤色分割流程图如图２．３所示。??丄??ＲＧＢ图像转成ＹＣｂＣｒ图像??７＝ｘ＝ｒ??提取图像的Ｙ值??：丄二＾?否??二３〇?＜?ｒ?ｓ?２?ｉｐ：：〉???「也取图像的Ｃｂ与Ｃｒ值｜??－＾Ｓｊ＾Ｃｂ＜１３５?（１１?Ｈ）Ｔｃ＾６ｒ＾＞?????提取图像的原像素值为肤色Ｉ?Ｉ图像的像ｉ值设置为〇???１?…?Ｉ—??输出肤色分割结果??ｃ结束）??图２．３肤色分割流程图??９??

【参考文献】：
期刊论文
[1]基于Gabor特征的遗传算法实现静态手势识别[J]. 涂心琪,兰红.  通信技术. 2019(10)
[2]一种改进均值的自适应中值滤波算法[J]. 帅慕蓉,廖秀英,程辉,谢贻文,杨鹏飞.  测绘通报. 2019(03)
[3]织物纹理的简单视神经细胞感受野的选择特性[J]. 刘建立,沈菁,王蕾,高卫东.  计算机工程与应用. 2014(01)
[4]基于细胞神经网络的快速手语视频分割方法[J]. 张爱华,雷小亚,陈晓雷,陈莉莉.  计算机应用. 2013(02)
[5]基于移动终端的汉语手语识别技术研究[J]. 许天然,吴垚,苏红旗.  科技资讯. 2012(19)
[6]一种基于漫水填充法的实时彩色目标识别方法[J]. 陈佳鑫,贾英民.  计算机仿真. 2012(03)
[7]图像噪声滤波的研究方法及进展[J]. 宋寅卯,李晓娟,刘磊.  电脑开发与应用. 2010(04)

硕士论文
[1]基于深度学习的手势识别技术研究[D]. 王苏振.浙江大学 2019
[2]基于卷积神经网络的特定场景下人脸识别研究[D]. 彭鑫.西安理工大学 2019
[3]基于深度学习的手语识别关键技术研究[D]. 李云伟.中国矿业大学 2019
[4]基于耦合深度信念网络的图像识别方法[D]. 许西丹.陕西师范大学 2018
[5]复杂背景下的静态手语识别技术研究[D]. 武红娇.沈阳工业大学 2017



本文编号：3239635