基于Android平台的手势识别技术的研究与应用

摘要

近年来，移动互联网行业正在快速发展。与此同时，搭载着移动操作系统的移动设备使用数量也在与日俱增。在当今流行的各种移动操作系统，Android系统凭借着其开源、应用程序丰富等优势发展迅速。然而，Android平台的人机交互方式仍旧以触摸屏幕操作为主，并没有太多创新的交互方式出现。
　　本文主要研究将手势识别技术应用于Android平台的相关内容，为Android平台的人机交互提供一种崭新的、更加人性化的交互方式。通过对手势检测、手势识别等算法的研究，本文在Android平台上开发了一款对常见的六种手势进行识别的APP应用，该应用具有较好的扩展性。本文的主要研究工作如下：
　　1）在手势检测阶段，使用了Viola-Jones目标物体检测算法来进行手势检测，并选取能够表现局部纹理特性的LBP特征来进行相关分类器的训练。Viola-Jones检测框架在人脸识别领域中有着广泛的应用，但在手势检测方面的应用并不多见。而在特征的选取方面，使用LBP特征与基于Voila-Jones检测框架中使用的Haar-like特征相比，识别率基本持平，但前者的运算量极小，实时性好，适合用于Android平台上。
　　2）在手势识别阶段，本文在检测出手势的大致区域的基础上，通过对手势区域的分割，手势边缘检测以及轮廓提取等步骤，得到手势的轮廓信息。进而通过使用具有不受位移、尺度、旋转等因素干扰的Hu矩信息，使用模板匹配算法来进行手势的分类信息，从而实现手势识别功能。
　　3）通过调用OpenCV相关函数编程实现了前面介绍的算法，该程序可以识别六种特定的静态手势。然后使用NDK工具将其封装为Android平台可以调用的JNI接口。本文通过调用手势识别的接口实现了一款以悬浮框显示的APP应用。该应用可将识别到的手势信息以广播的形式发送给其他应用程序。最后展示了使用该应用对一个图片浏览器控制的例子。在处理器为单核1GHz、Android系统为4.0.4版本的中兴U950手机上，该应用处理一幅大小为200*160的视频序列帧（从输入到识别出手势）的平均消耗时间为93ms。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题背景与研究意义

1.2 国内外研究和应用现状

1.3 手势识别技术应用于Android平台中面临的难点

1.4 本论文主要的研究内容

1.5 本文的结构安排

第二章 手势识别相关技术介绍

2.1 手势识别概述

2.2 手势检测及Voila-Jones检测算法

2.3 手势分割相关技术

2.4 手势识别阶段相关技术介绍

2.5 本章小结

第三章 改进的Voila-Jones目标检测算法

3.1 手势特征提取与选择

3.2 级联分类器的构造

3.3 Haar-like特征及计算方法

3.4 LBP特征及计算方法

3.5 两种特征对应的手势分类器的训练及效果对比

3.6 本章小结

第四章 静态手势识别算法

4.1 手势识别概述

4.2 手势分割

4.3 手势识别

4.4 本章小结

第五章 手势识别系统设计与实现

5.1开发平台简述

5.2 系统总体设计

5.3 底层手势识别模块的设计

5.4 系统界面展示模块

5.5 控制界面显示模块

5.6 本章小结

第六章 系统测试

6.1 系统功能测试

6.2 实时性能测试

6.3 本章小结

第七章 总结与展望

7.1 全文总结

7.2 未来工作展望

致谢

参考文献

攻读硕士期间取得的研究成果