基于视觉的手势识别系统关键技术研究

摘要

人工智能技术作为新的一波科技浪潮，正在改变世界。而人机交互作为人工智能的接口，越来越受到研究者们的重视。在现有的人机交互技术中，手势识别是目前研究最为热门的人机交互技术之一，它以其最接近人类交流和沟通的方式，必将成为未来交互技术中不可缺少的部分。手势识别系统可以分为手势建模、手势分析和手势识别三个模块，并同时具有静态手势和动态手势识别的功能。
　　本文主要研究了基于视觉的手势识别的关键技术，研究了基于优化的SVM分类器的静态手势识别系统和基于改进动态时间规划算法的动态手势识别系统。在静态手势系统构建中，采集建立了具有3000张10种不同手势的静态手势样本库，设计了一套基于特定环境的预处理模块，提取和对比了静态手势中的Hu矩和其他几何特征，并训练了基于支持向量机模型的静态手势分类器，通过网格遍历的方式优化了SVM分类器核函数的参数，取得了对静态手势测试样本集90％以上的识别率，对实时静态手势80％左右的正确识别率，最后对比了不同特征和核函数参数对静态手势识别率的影响。
　　在动态手势识别系统的构建中，本文主要采集和识别了7种不同的动态手势轨迹，在动态手势轨迹的识别中改进了动态时间规划算法，缩小了最优路径的选择范围，设计了动态手势时间序列相似性的衡量标准，使动态手势识别时间平均减少24.8％。动态手势识别系统包括静态手势识别技术，在动态手势识别系统的构建中，先在输入信号中识别出需要跟踪的目标手势，基于Kalman滤波模型，对目标手势进行跟踪，并获得动态手势轨迹的时间序列，把运动轨迹的时间序列转换为相邻两坐标连线与水平方向逆时针的角度来获取最终形式的动态手势特征值，最后采用动态时间规划识别动态手势轨迹，并测试了动态手势的正确识别率。
　　最后，本文介绍了整个手势识别系统的算法流程和系统软硬件平台，在实时的环境下，验证了本文设计的算法对静态手势和动态手势的识别效果。结果证明，本文中采用的基于计算机视觉的手势识别技术能够基本满足手势识别系统的需要，具有巨大的应用前景和研究价值，将成为未来人机交互接口采用的主要方式之一。

目录

声明

摘要

图目录

表目录

第一章 绪论

1．1 手势识别发展现状与应用

1．1．1 手势识别国内外发展现状

1．1．2 基于视觉的手势识别的应用现状

1．2 基于视觉的手势识别基础理论

1．2．1 手势的定义

1．2．2 手势识别的分类

1．2．3 基于视觉的手势识别系统构成

1．3 基于视觉的手势识别系统概论

1．3．1 手势建模技术

1．3．2 手势分析技术

1．3．3 手势识别技术

1．4 论文的安排

第二章 静态手势识别的特征提取

2．1 静态手势样本库建立和采集

2．2 图像预处理

2．2．1 二维图像的滤波

2．2．2 基于肤色的手势区域分割

2．2．3 图像的形态学处理

2．2．4 边缘提取

2．3 特征的选择

2．3．1 Hu矩特征

2．3．2 手势几何特征

2．4 本章小结

第三章 基于SVM的静态手势识别系统

3．1 统计学习理论基础

3．1．1 统计学习的基本问题

3．1．2 统计学习中的风险评估

3．2 SVM理论

3．2．1 线性最优分类面

3．2．2 非线性最优分类面

3．2．3 核函数介绍

3．3 手势分类器的训练

3．3．1 LibSVM简介

3．3．2 特征采集输入

3．3．3 分类器训练过程

3．3．4 SVM手势分类器的优化

3．4 本章小结

第四章 动态手势识别的关键技术研究

4．1 基于计算机视觉的运动跟踪

4．2 动态手势的特征提取

4．2．1 Kalman滤波原理

4．2．1 Kalman滤波在手势跟踪中的建模

4．3 动态手势识别

4．3．1 动态手势运动轨迹的获取与描述

4．3．2 动态时间规划

4．3．3 动态时间规划在手势识别中的优化

4．3．4 动态手势识别结果

4．4 本章小结

第五章 基于视觉的手势识别系统构建

5．1 手势识别系统的平台构建

5．2 手势识别系统分析

5．2．1 手势识别系统的模块介绍

5．2．1 手势识别系统的性能分析

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

作者简介