融合多特征和压缩感知的手势识别

摘要

随着计算机科学技术的迅速发展,人与计算机之间的交流也越来越多,对操作体验的要求越来越高,人机交互从以计算机为中心逐步移到以人为中心,使人机交互更加自然,和谐,手势识别一直是人机交互的重要研究课题,在虚拟现实技术不断发展的今天,手势识别作为虚拟现实技术的基础取得了较大的进步。然而基于视觉的手势识别技术仍然还存在着识别率低,对光照,尺度及旋转变换敏感等缺点。
　　基于计算机视觉手势识别过程可分为手势分割,特征提取及手势识别三个阶段。在手势分割阶段,本文提出了基于 YCbCr颜色空间的阈值自适应方法,该方法可以有效地排除光照的影响,而且针对不同肤色用户可以动态调整阈值进行肤色分割。然后用基于Hu矩手形比较算法,从分割的肤色区域中进一步得到已定义的手势区域;在特征提取阶段,本文既提取手势的全局特征(Hu矩),又提取了手势的局部特征(SURF),将两种特征按照不同权值融合用于手势分类,提高了手势识别的性能;在手势识别阶段,本文提出了基于压缩感知的手势分类方法,提取待测样本的特征构成超完备冗余字典,将待测样本的特征表示成相应超完备冗余字典的稀疏线性组合,采用求解L1范数的最优化问题实现手势分类,实验结果证明,该方法和目前应用较广的手势识别方法相比,具有较高的竞争性,而且通过融合两种形状特征,对光照,尺度,旋转变化更具鲁棒性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题研究的背景及意义

1.2国内外研究现状

1.3主要研究内容及章节安排

第二章 基于自适应肤色和Hu矩的手势分割

2.1基于肤色的手势分割方法

2.2图像去噪

2.3基于Hu矩的手形比较算法

2.4基于自适应肤色模型和Hu矩的手势分割的实现

2.5本章小结

第三章 手势特征提取

3.1特征分类

3.2 SURF特征检测

3.3 SURF特征点的描述

3.4 SURF特征点的提取实验

3.5本章小结

第四章 基于压缩感知的手势识别

4.1 稀疏表示

4.2 观测矩阵

4.3 信号重构

4.4压缩感知手势分类

4.5基于融合特征和压缩感知的手势识别

4.6本章小结

第五章 实验结果及分析

5.1手势样本库的建立

5.2模型参数值的选择

5.3本文手势识别算法性能测试及比较

5.4本章小结

总结与展望

参考文献

致谢