基于视觉的静态手势识别技术研究

发布时间：2022-04-26 18:19

　　随着混合现实技术以及人机交互技术的发展,基于计算机视觉的手势识别技术已成为研究热点,然而现有方法的识别速率与准确率均有待提高。本文针对目前基于视觉的手势识别技术存在的问题,研究了一种新的识别方案。主要研究内容如下:1)针对现有方案受外界环境与手部自身因素影响较大、识别效果不稳定的问题,研究了一种基于肤色阈值初始化与半轮廓技术的手势识别方案。2)在肤色阈值初始化中,为了适应对不同肤色的检测,采用HOG特征并利用SVM分类器对肤色阈值进行了初始化;在图像前处理时,利用二值算法以及形态学处理中的开运算与闭运算操作实现了手势的分割与轮廓的提取;在指尖标定中,设计了一种基于半轮廓技术的新算法,以实现对手指端点的检测与标定;在手势分类中,针对指尖峰值研究了一种新的分类算法,实现了对8种手势的识别。3)通过实验证明,本文设计的识别方案平均识别率达到95.25%,平均用时为68.797ms。相较于现有的固定阈值算法和全轮廓算法具有更好的稳定性,相较于卷积神经网络算法可将识别速率提高7倍。 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究工作
2 手势识别方案分析
    2.1 技术难点分析
    2.2 手势识别方案设计
3 肤色阈值初始化
    3.1 手部特征提取
    3.2 基于HOG特征的SVM分类
    3.3 阈值初始化
4 图像前处理与指尖标定
    4.1 图像前处理
    4.2 指尖标定
5 手势分类与实验验证分析
    5.1 手势分类
    5.2 实验系统设计
6 总结与展望
    6.1 结论
    6.2 展望
致谢
参考文献


【参考文献】：
期刊论文
[1]视觉手势识别综述[J]. 易靖国,程江华,库锡树.  计算机科学. 2016(S1)
[2]基于DTW的单个手语识别算法[J]. 张露.  现代计算机(专业版). 2016(08)
[3]基于Leap Motion手势识别的机器人控制系统[J]. 陶林,李凯格,王淼.  制造业自动化. 2015(24)
[4]中国未成年人手部号型的测量与研究[J]. 周详,李广婷.  上海纺织科技. 2010(09)
[5]手全长、手掌宽与身长相关关系的研究[J]. 礼晓明,李学金,韩江.  解剖科学进展. 2009(03)
[6]基于HMM-FNN模型的复杂动态手势识别[J]. 王西颖,戴国忠,张习文,张凤军.  软件学报. 2008(09)
[7]双手交互界面研究进展[J]. 付永刚,张凤军,戴国忠.  计算机研究与发展. 2005(04)
[8]复杂背景下的手势分割与识别[J]. 任海兵,祝远新,徐光祐,张晓平,林学訚.  自动化学报. 2002(02)

博士论文
[1]基于视觉信息的手势识别算法与模型研究[D]. 覃文军.东北大学 2010

硕士论文
[1]面向智能家居的红外3D手势识别技术研究[D]. 鲁姗丹.广东工业大学 2016
[2]基于压缩感知的手势运动识别[D]. 王彩红.湘潭大学 2015
[3]基于视觉的手势识别研究[D]. 余超.中国科学技术大学 2015
[4]基于视觉的动态手势识别技术研究[D]. 谭典雄.哈尔滨工业大学 2014
[5]基于Kinect深度信息的动态手势识别[D]. 徐文杰.东北大学 2014
[6]基于视觉的连续手语识别系统的研究[D]. 陈小柏.东华大学 2014
[7]基于计算机视觉的静态手势识别[D]. 殷倩倩.复旦大学 2014
[8]基于单目视觉的动态手势轨迹识别系统研究[D]. 邹节华.西安电子科技大学 2012
[9]基于光流计算和DTW算法的动态手势识别研究与实现[D]. 曹陶科.天津师范大学 2009
[10]基于计算机视觉的静态手势识别系统[D]. 龚陶波.华中师范大学 2008



本文编号：3648492