结合运动检测的手势识别系统设计

摘要

人机交互(HCI)是人们日常生活的一个重要组成部分，其交互方式也是多样的，由于手势更加符合人类的自然交互，基于手势的交互方式已成为当前人机交互领域的研究热点之一。手势交互需要构建一套手势识别系统，其实现方式也是各不相同，目前，基于视觉的手势识别由于对用户的限制小、使用自然度高，成为手势识别的主要研究方向。
　　手势识别系统在实际应用中，一般面临着识别率和实时性两个问题，本文主要从这两方面进行研究，其主要内容如下:
　　首先，分析了常用的运动检测方法，并在此基础上提出了基于运动历史图像和椭圆拟合的手势分割方法，通过分割出运动的手势区域来缩小手势识别的范围，以降低识别阶段的运算量。
　　其次，研究了梯度直方图(HOG)特征提取和支持向量机(SVM)分类识别的原理，设计并描述了基于HOG和SVM的静态手势识别的实现步骤，并通过实验分析了该方法的识别率和实时性。
　　最后，提出了结合运动检测的手势识别系统构建方法。在该系统中，本文由于只在手势备选区域进行识别，提高了实时性能;在识别率方面，本文提出了对几何间隔的比较和对多尺度检测结果进行累加，提高了识别率。从实验结果可以看出，本文提出的方法在识别率和实时性上都达到了较高的水平。

目录

声明

摘要

致谢

第一章 绪论

1．1 研究背景和意义

1．2 手势识别的发展

1．3 基于视觉的手势识别的研究现状

1．4 本文的主要研究工作

1．5 本文的章节安排

第二章 手势分割

2．1 概述

2．2 运动目标检测方法

2．2．1 光流法

2．2．2 背景减除法

2．2．3 帧间差分法

2．3 基于运动历史图像的运动目标分割

2．4 本文分割算法－基于MHI和椭圆拟合的手势分割算法

2．4．1 椭圆拟合算法

2．4．2 本文手势分割算法流程

2．5 实验结果及分析

2．6 本章小结

第三章 手势的特征提取及分类识别

3．1 概述

3．1．1 特征提取

3．1．2 分类识别

3．1．3 针对手势识别所采取的方法

3．2 HOG特征提取

3．3 SVM分类器

3．3．1 SVM基本介绍

3．3．2 核函数和松弛变量

3．4 分类器的训练

3．5 静态手势识别

3．6 实验结果和分析

3．6．1 训练样本

3．6．2 相关参数设定

3．6．3 结果和分析

3．7 本章小结

第四章 结合运动检测的手势识别系统

4．1 系统的总体框架及手势识别的流程

4．2 备选手势区域的预处理

4．3 备选手势区域的刷新

4．4 有效手势的判定

4．5 多种手势的识别

4．6 实验结果及分析

4．7 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间发表的论文