基于视觉的动态手势识别相关技术研究及实现

摘要

日常生活中，我们经常需要与计算机进行交互活动。最初的人机交互方式是采用命令行的方式，这种方式需要使用者掌握大量的命令，对使用者要求较高。之后的人机交互主要采用窗口界面的方式，这种交互方式与命令行相比，更加的直观、简单，但是这种交互是以计算机为中心，有其自身的局限性。近年来，出现了新一代的人机交互方式，这种交互方式的特点是以人为中心。手语作为一种基于视觉和动作的人体语言，引起了大量研究者的关注。手语包含的信息量非常丰富，自然语言能够表达的意思，手语都可以完整的表达出来，所以我们完全可以通过手势来进行人机交互，这种交互方式简单而且人性化，比较符合人类的交流习惯。
　　本研究主要内容包括：⑴手势分割方法：该方法综合了肤色分割和运动目标检测方法。本文对三种运动目标检测方法进行了实现，并对实验结果和运行时间进行了详细比较。⑵旋转性可控特征的提取算法：该算法在现有特征提取算法的基础上进行了改进，此方法可以区分不同旋转度的手形。⑶手形识别算法：本文采用的手形识别算法是前馈神经网络，并且在原型系统中实现了该算法的应用。⑷基于外接椭圆中心距离的跟踪算法：该算法最初应用于多目标跟踪，原理简单，效率较高，而且可以应用于双手势跟踪。⑸轨迹识别算法：本文采用的轨迹识别算法是隐马尔可夫模型，并且在原型系统中实现了该算法的应用。本原型系统实现的软件环境是Windows操作系统，开发平台是Visual C++6.0，开发语言采用C++语言，采用的视觉库是OpenCV，硬件平台包含一个摄像头，一台笔记本电脑，其中CPU主频2.0GHZ，内存2G。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景和意义

1.2研究现状

1.3本文研究内容和结构安排

第二章 手势图像预处理及相关技术研究

2.1噪声处理技术

2.2灰度直方图均衡化技术

2.3形态学处理技术

2.4本章小结

第三章 手势分割

3.1手势分割处理流程

3.2基于色调的肤色分割

3.3基于运动特征的手势分割研究及实现

3.4边缘检测

3.5人脸部分的消除

3.6实验结果与分析

3.7本章小结

第四章 手势特征提取及识别

4.1基于边缘抽样统计的特征提取

4.2基于空间分布的特征提取

4.3旋转性可控特征的提取方法

4.4前馈神经网络

4.5基于前馈神经网络的特征识别

4.6实验结果与分析

4.7本章小结

第五章 手势轨迹的提取和识别

5.1手势跟踪方法

5.2基于外接椭圆中心距离的跟踪算法

5.3基于隐马尔可夫模型的手势轨迹识别

5.4本章小结

第六章 手势识别平台设计与实现

6.1手势识别系统需求分析

6.2系统概要设计

6.3详细设计及核心代码

6.4系统主要功能验证

6.5本章小结

第七章 总结和展望

致谢

参考文献

攻硕期间取得的研究成果