面向体感手势识别的算法研究

摘要

随着计算机人机交互技术的发展，体感识别技术已经成为人机界面中的重要研究领域。体感手势识别技术作为体感识别技术的核心，以其灵活的操作方式，更加贴近人类的思维模式和使用习惯的交互方式成为了目前研究的热门方向。
　　本文首先分析体感手势的国内外研究现状，发现对于那些具有平移或旋转相似的手势识别率较差，提出了本文的定位扫描算法。本算法针对具有相似性的手势，建立了包含五种手势的手势库，对图像进行了预处理、手势轮廓提取、手势特征提取和手势识别四个部分的工作，使用MATLAB进行了仿真实验。
　　本文首先定义了五种手势，利用普通摄像头完成了复杂背景的手势采集工作，并将采集的手势图像由RGB颜色空间转变为YCbCr颜色空间。
　　手势轮廓提取部分，首先通过肤色直方图计算肤色在Cb、Cr分量的聚合值，经过反复实验得出具体阈值;再进行阈值处理，将图像转变为二值图像;采用自定义的手势检测方法区分手部和脸部区域，提取出手势轮廓。
　　手势特征部分，首先使用Hu不变矩提取本文手势的7个特征值;接着使用本文自定义的定位扫描法和改进的面积比进行特征提取，得到2组新的特征序列。
　　手势识别部分，利用支持向量机和BP神经网络算法分别对手势特征进行三次实验。第一次是测试特征提取得到Hu矩的7个特征值在SVM中的识别率，识别率只有41.37％，效果较差;第二次是测试本文的三种特征序列在SVM模型中的识别率，识别速度快，且识别率高达97.13％;第三次是测试本文的三种特征序列在BP神经网络算法中的识别率，虽然超过90％，但实验运行速度较慢，资源消耗大。
　　实验结果表明，Hu矩在处理具有平移和旋转相似的手势时，效果较差;本文提出的定位扫描算法有效的解决了这个问题。本文在手势轮廓提取和手势特征提取算法研究中有所创新，并提出了教育辅助系统的设计思想，具有一定的应用价值，同时也为后续的研究工作奠定了良好的基础。

目录

摘要

第一章 绪论

1．1 课题研究背景和意义

1．2 国内外现状分析

1．3 本文的主要工作

1．4 本文的创新点

1．5 本文的结构

第二章 手势采集和图像预处理

2．1 手势识别的一般步骤

2．2 手势图像的采集工作

2．3 图像预处理

2．3．1 图像增强

2．3．2 图像分割

2．4 本章小结

第三章 手势识别核心技术

3．1 特征提取

3．1．1 静态手势特征提取

3．1．2 动态手势特征提取

3．2 手势识别技术

3．2．1 基于触摸屏(Touch Screen)的手势识别

3．2．2 基于可穿戴设备的手势识别

3．2．3 基于视觉的手势识别

3．3 手势识别算法

3．3．1 基于模板的方法

3．3．2 基于机器学习的方法

3．3．3 基于概率统计的方法

3．4 本章小结

第四章 基于手型特征和SVM的手势识别

4．1 手势识别流程

4．2 建立手势库

4．3 图像预处理

4．3．1 色彩空间介绍

4．3．2 肤色提取

4．3．3 形态学运算

4．3．4 轮廓提取

4．4 特征提取

4．4．1 Hu不变矩

4．4．2 定位扫描法

4．4．3 改进的面积比特征

4．5 手势特征识别算法

4．5．1 支持向量机

4．5．2 BP神经网络

4．6 本章小结

第五章 实验环境和结论

5．1 实验环境

5．2 实验结论

5．3 教育辅助系统的基本设计思想

5．4 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

攻读硕士研究生期间发表的论文及参加的科研项目

声明