基于Kinect的手势图像识别研究

摘要

针对在人机交互领域中基于视觉的手语识别的识别率低、实时性差等问题,采用Kinect深度摄像机对手语识别进行研究,并对不同的手语分类方式进行了分类和比较.首先通过Kinect设备采集手语图像,并提取出手部感兴趣区域,然后对手部图像进行预处理,得到手部边缘图像.随后用Hu矩方法对手部边缘图像进行特征提取.分别应用支持向量机、神经网络和随机森林三种分类方法对得到的数据进行分类和比较.最终结果表明,实验的平均识别率达到97.4%,同时发现在小样本情况下支持向量机方案的识别率最高,而随机森林的实时运行效果最好.