复杂背景下基于表观模型的手势识别研究

摘要

手势以别的研究具有广阔的实际应用前景，基于计算机视觉的手势识别能够提供更加自然、和谐的人机交互方式，是手势识别技术发展的趋势。但是由于手势具有时间和空间上的多样性以及不确定性，因此目前这种人机交互方式还处于实验阶段，理论不是很成熟，能够识别的范围比较小，这是一个极富挑战性的研究课题。　　 基于计算机视觉的手势识别过程大致可分为手势分割、手势特征提取以及手势识别三个阶段。本文在查阅大量的参考资料的基础上，主要做了如下三部分的工作：　　 在手势分割阶段，本文比较分析了几种常用的手势分割算法，在比较了肤色在各个颜色空间的聚类情况之后，提出了在YCbCr空间下基于肤色自适应的手势分割方法，试验证明该方法能够较好的完成复杂背景下的手势分割任务。　　 在手势特征的提取阶段，本文比较分析了几种常用的手势特征提取方法，实现了基于12个傅里叶描绘子的手势特征提取和基于7个不变矩的手势特征提取，并在傅里叶描绘子个数的选择上进行了分析。　　 在手势识别阶段，本文分静态手势识别和动态手势识别两个方面来讨论。在静态手势识别中，首先简要分析了模板匹配的方法，然后详细介绍了神经网络的方法，并用BP神经网络对10个数字手势，600个样本进行了训练和识别。在动态手势识别中，本文对包含手形的动态手势识别中的关键技术进行了初步研究，提出了一种将关键帧识别和轨迹识别相结合的方法。实验结果表明，这种方法取得了比较好的效果。

目录

文摘

英文文摘

第1章 绪论

1.1 手势识别的选题意义

1.2 手势识别概述

1.2.1 手势和手势识别的定义

1.2.2 手势和手势识别的分类

1.2.3 基于视觉的手势识别系统构成

1.2.4 基于视觉的手势识别分类

1.3 手势识别的研究现状

1.3.1 国外的研究情况

1.3.2 国内的研究情况

1.3.3 基于视觉手势识别的技术难点

1.4 论文的主要研究工作及创新点

1.5 本文章节安排

第2章 基于肤色自适应的手势分割方法

2.1 手势分割概述

2.2 基于差分的手势分割方法

2.2.1 背景差法

2.2.2 帧间差法

2.3 基于肤色特征的手势分割方法

2.3.1 常用彩色模型

2.3.2 肤色在各颜色空间的聚类比较

2.4 基于YCbCr空间的亮度自适应肤色分割方法

2.4.1 肤色在YCbCr空间内的非线性关系

2.4.2 肤色建模

2.4.3 试验结果与分析

2.5 本章小结

第3章 手势特征提取方法研究

3.1 手势特征提取概述

3.2 基于拓扑的特征提取

3.3 基于边缘抽样统计的特征提取方法

3.4 基于几何矩的特征提取方法

3.4.1 几何矩的基本概念

3.4.2 特征提取结果

3.5 基于傅里叶描绘子的特征提取方法

3.5.1 傅里叶描绘子基本思想

3.5.2 基于傅里叶描绘子的特征提取

3.5.3 特征提取结果

3.6 本章小结

第4章 手势识别算法研究

4.1 手势识别概述

4.2 静态手势识别常用方法

4.2.1 模板匹配方法

4.2.2 神经网络方法

4.3 动态手势识别算法

4.3.1 动态时间规整(DTW)方法

4.3.2 隐马尔可夫模型(HMM)方法

4.4 本章小结

第5章 动态手势识别系统的实现

5.1 包含手形的动态手势识别系统流程

5.2 人脸区域的去除

5.3关键帧的提取

5.4 手势轨迹特征值的提取

5.4.1 手势轨迹特征点的选取

5.4.2 手势轨迹特征值的提取

5.5 基于DTW的手势轨迹识别

5.6 包含手形的动态手势识别

5.7 本章小结

第6章 结束语

参考文献

致谢