基于TLD与HMM的动态手势跟踪与识别方法研究

摘要

基于动态手势跟踪与识别的研究中，数据有许多不确定性的因素，比如手在运动中快速移动、背景的影响，以及拍摄角度等。为进一步提高动态手势目标跟踪精确度与识别准确率，需要针对动态手势数据样本进行研究，进而提出可信、有效的方法。本研究数据集来源是采集于多人，数据特点包括摄像头固定，手势运动，满足不同角度、形变的特点。结合数据视频流长时间、多角度等特点提出相应跟踪算法与识别算法，并通过客观评价完成算法分析及验证。本研究的主要内容和结论有： （1）动态手势目标的跟踪。针对动态手势长时间、准确跟踪的问题，提出了使用TLD算法对动态手势进行跟踪。针对算法中初始框标定误差比较大的问题，本文提出了候选框，候选框选取方法是通过计算空间重叠度获得。选取最大的前15个框作为初始框。针对追踪模块中误差计算较弱的问题，本文使用归一化相关系数与差值平方和的方法。针对检查模块中的阈值设定问题，本文通过实验的方法进行验证性选取。 （2）动态手势目标特征提取。针对动态手势运动中相对距离、形变发生改变的问题，本文根据动态手势运动特性，使用手势位置点、运动速率、方向作为动态手势的特征。其中动态手势位置点是通过计算动态手势轨迹中心点到轨迹中任意一点的距离来获取的。动态手势运动速率是通过计算相邻两中心点的速率来获取的。动态手势方向是通过计算轨迹点与中心点夹角、初始轨迹点与任意轨迹点夹角、相邻轨迹点的夹角获取到的。 （3）动态手势目标识别。针对含有单一数据的样本，本文根据隐马尔可夫理论构建识别训练模型，通过模型的训练获得其中的最佳参数。通过实验分析，其识别准确率在90%以上。针对含有混合数据的样本，本文依据已有的模型，对其进行优化。加入权重参数，使用训练数据进行训练模型，获取最佳权重参数。通过实验分析，其识别准确率提高到91%以上。

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究内容与技术路线

1.4 本文的组织结构

第二章 基于TLD动态手势目标的跟踪

2.1 TLD跟踪算法概述

2.2 手势目标追踪模块

2.3 手势目标检测模块

2.4 手势目标学习模块

2.5 基于动态手势跟踪实现过程及实验

2.6 本章小结

第三章 基于动态手势的特征提取

3.1 动态手势特征提取概述

3.2 基于动态手势位置点的特征提取

3.3 基于动态手势运动速率的特征提取

3.4 基于动态手势方向的特征提取

3.5 本章小结

第四章 基于隐马尔可夫模型的动态手势识别

4.1 隐马尔可夫模型相关理论

4.2 基于隐马尔可夫模型的手势识别

4.3 实验结果及分析

4.4 基于混合样本的优化

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

作者简介