学位论文 > 优秀研究生学位论文题录展示
基于计算机视觉的手势识别系统研究
作 者: 周航
导 师: 阮秋琦
学 校: 北京交通大学
专 业: 信号与信息处理
关键词: 手势识别 跟踪 SBB HCI 手 定位 点脊模型 SVM
分类号: TP391.41
类 型: 博士论文
年 份: 2008年
下 载: 1704次
引 用: 14次
阅 读: 论文下载
内容摘要
基于视觉的手势识别 的学位论文">手势识别技术是新一代人机交互的重要内容,使用计算机通过摄像头理解人们的手势并做出相应的反应,使人们摆脱了传统的键盘鼠标,将改变人们的生产生活方式。本文概论了基于视觉的手势识别的基本理论和研究状况,构建了一个基于手部约束的模型,然后对手进行分割。提出SVM的改进分类算法后,讨论了手部的运动跟踪和估计,最后介绍了一个实时的手势识别系统。通过研究证明基于视觉的手势识别具有很高的研究价值和发展前景。论文的创新点如下:●提出了基于骨骼约束关系的模糊点脊模型,通过点脊模型,忽略弯曲的部分因素,实现对手部区域的定位。算法优势在于能够剔除非关键信息,减少了图像特征的数目,节省了运行时间。●提出了用于分割期间手势分类的SBB算法,对比Adaboost等算法,适合数目较多的字母手势的分类。保持了原有Boosting算法良好的泛化特性,能够克服一定的遮挡和弯曲。●提出了一种肤色关联光流估计算法。较好解决了跟踪过程中动态手势遮挡的问题,能克服一定的运动模糊带来的困难,对于光照不敏感。●提出了一个基于肤色的相干映射手势跟踪算法。利用一般关联映射建立起点周围的矩形区域和环绕区域的映射,通过空间变换弱化了手势图像的模糊现象对识别的干扰,保证了映射过程中特征点的抗畸变性能。●提出了一个一对多的多层次SVM学习的判决规则。使用一对多分类器,避免了一对一分类器巨大的计算量。多层次的SVM,保证了分类过程中的较低开销。
|
全文目录
致谢 5-6 中文摘要 6-7 ABSTRACT 7-12 1 综述 12-30 1.1 引言 12 1.2 目前人机交互系统存在的不足 12-13 1.3 基于视觉的手势识别 的学位论文">手势识别系统的基本框架 13-15 1.4 VBGR技术的主要应用领域 15-16 1.5 VBGR的分类 16-20 1.5.1 按研究方式的宏微观的划分 16-19 1.5.1.1 基于轮廓的方法 16-17 1.5.1.2 基于模型的方法 17-19 1.5.2 按学习方法的划分 19 1.5.3 按采集方式的划分 19-20 1.5.4 按时空关系的划分 20 1.5.5 按目的划分 20 1.5.6 其他划分 20 1.6 VBGR的基本要求及性能指标 20-21 1.7 VBGR目前遇到的难题 21-22 1.8 VBGR涉及到的技术 22-23 1.9 确定VBGR进行研究的思路 23-25 1.9.1 与其它识别方法的比较 23-24 1.9.2 本文研究的对象 24 1.9.3 本文的选题意义 24-25 1.10 VBGR的国内外研究动态 25-27 1.10.1 国际的研究情况 25-27 1.10.2 国内的研究情况 27 1.11 本文的内容安排 27-29 1.12 小结 29-30 2 基于视觉的手势识别相关技术基础 30-50 2.1 相关的分割算法 30-37 2.1.1 阈值分割算法 30-31 2.1.2 主动轮廓模型算法 31-33 2.1.3 基于边界的分割算法 33-34 2.1.4 区域增长分割算法 34-37 2.1.4.1 肤色区域生长算法 34-35 2.1.4.2 ROI区域生长算法 35-37 2.2 用于分类的相关算法介绍 37-40 2.2.1 主元分析法和其衍生算法 37-38 2.2.2 线性指尖模型 38-39 2.2.3 运动因果因素分析 39-40 2.3 学习算法 40-46 2.3.1 单一学习算法 40-45 2.3.1.1 基于实例的方法 40-42 2.3.1.2 基于隐马尔科夫模型(HMM) 42-43 2.3.1.3 基于神经网络 43-44 2.3.1.4 支撑向量机 44-45 2.3.2 复合学习算法 45-46 2.4 相关的颜色空间分析 46-49 2.4.1 对肤色分布区域的特定色彩变换 46-47 2.4.2 由RGB空间到CIELab空间的转换 47-48 2.4.3 HSV空间坐标转换 48-49 2.5 小结 49-50 3 基于约束的手部关节模型的研究 50-71 3.1 手势模型的分类及特点 50-52 3.1.1 基于三维的手势模型 51 3.1.2 基于表观的手势模型 51-52 3.2 手部骨骼模型的构建 52-54 3.2.1 手的骨骼结构 52-53 3.2.2 关节运动分析 53-54 3.3 基于约束的手部模型设计 54-67 3.3.1 建模的依据 55-56 3.3.2 手部的一般运动约束 56-59 3.3.3 手指模型的特殊约束 59-60 3.3.4 模糊点脊模型(BR Model) 60-67 3.3.4.1 图像特征分析 61-62 3.3.4.2 尺度空间 62-63 3.3.4.3 特征间关系 63 3.3.4.4 手特征和点脊模型 63-65 3.3.4.5 点脊模型的手部尺度估计 65-67 3.4 试验结果和讨论 67-69 3.4.1 改进的DOF骨骼手部特征定位结果 67 3.4.2 点脊模型的手部特征定位结果 67-68 3.4.3 基于DOF约束的人手模型矩形体仿真(无输入) 68 3.4.4 基于约束的人手模型椭圆体仿真(有输入) 68-69 3.4.5 实验对比和讨论 69 3.5 小结 69-71 4 手部区域分割与特征提取算法研究 71-91 4.1 基于视觉的手势分割和特征提取研究简介 71-72 4.2 手势分割分类和特点 72 4.3 结合肤色的手势分割算法 72-79 4.3.1 手势分割的预处理技术 72-74 4.3.1.1 改进的差分分割算法 72-73 4.3.1.2 手指定位的几何学分析 73-74 4.3.1.3 手势图像的配准 74 4.3.2 肤色空间的处理 74-77 4.3.2.1 CIELab空间的手势平均转移分割 74-75 4.3.2.2 HSV空间的手势分析 75-77 4.3.3 基于HSV色度的直方图匹配算法 77-79 4.3.4 提取手部区域 79 4.4 特征提取的SBB算法 79-86 4.4.1 Boosting算法简述 79-80 4.4.2 NNMF算法 80-81 4.4.3 SBB弱假设基本原理 81-83 4.4.4 分类算法分析 83-86 4.4.5 算法基本步骤 86 4.5 实验结果 86-89 4.5.1 基于肤色的差分分割提取实验 86-88 4.5.2 对指尖的定位搜索实验 88 4.5.3 HSV色度的直方图匹配实验 88 4.5.4 基于SBB算法的手势识别结果 88-89 4.6 小结 89-91 5 基于多分类器的多层次支持向量机手势识别算法研究 91-107 5.1 引言 91-92 5.2 最佳分配平面(OSH)的获取 92-102 5.2.1 优化问题的提出 92-93 5.2.2 分类器和和函数设定 93-95 5.2.3 支撑向量的更新 95-96 5.2.4 多分类识别--一对多策略 96 5.2.5 SVM优化判决器 96-101 5.2.6 误检测的惩罚 101-102 5.3 实验结果和讨论 102-104 5.4 小结和讨论 104-107 6 基于视觉的手部运动跟踪和分析算法研究 107-135 6.1 基于视觉的运动跟踪分类与概况 107-111 6.1.1 基于视觉的运动跟踪分类 107-108 6.1.2 基于视觉的手势跟踪原理基础 108-110 6.1.3 目前的研究状况 110-111 6.1.3.1 研究进展 110-111 6.1.4 问题的提出 111 6.2 基于视觉的运动跟踪算法 111-114 6.2.1 假设模型 111-112 6.2.2 手部窗口搜索 112-113 6.2.3 手部特征点采样 113-114 6.3 肤色关联光流估计跟踪算法 114-122 6.3.1 传统光流法的问题 115 6.3.2 肤色模型、运动检测和置信度的设置 115-118 6.3.2.1 混合肤色模型 115-116 6.3.2.2 运动检测 116 6.3.2.3 流估计的置信度评价问题 116-117 6.3.2.4 搜索模式 117 6.3.2.5 光流分割 117-118 6.3.3 关联光流法的计算 118-122 6.3.3.1 光流参数序列 118 6.3.3.2 光流网格点的数目,网格点间隔下的约束 118-119 6.3.3.3 光流搜索窗口,像素锐化率和图像取样率 119-120 6.3.3.4 关联区域块的尺寸 120-122 6.4 基于肤色的相干映射手势跟踪算法 122-132 6.4.1 研究现状 122-123 6.4.2 手部骨骼模型约束和转移矩阵 123-125 6.4.3 手势识别的取样算法 125-128 6.4.3.1 重点取样 125-126 6.4.3.2 重点因子选择 126-127 6.4.3.3 轮廓生成 127-128 6.4.4 相干映射手部运动轨迹的提取 128 6.4.5 手部跟踪的估计算法 128-130 6.4.6 预测的建立 130-132 6.4.6.1 测算法 130-131 6.4.6.2 状态估计 131-132 6.5 实验和讨论 132-133 6.5.1 实验1:使用光流法进行手势跟踪 132 6.5.2 实验2:使用向量相干映射进行手部跟踪和特征提取 132-133 6.6 小结和讨论 133-135 7 基于视觉的英文字母手势识别系统实现 135-146 7.1 系统概述 135-136 7.2 系统的设计 136-140 7.2.1 设计诸元 136-139 7.2.1.1 界面对话设计要求 136-137 7.2.1.2 手势模型设计 137-138 7.2.1.3 数据输入界面设计思想 138-139 7.2.1.4 系统的应用标准 139 7.2.2 识别反应要求 139-140 7.3 系统运行过程 140-145 7.3.1 手指定位 141-142 7.3.2 关节和角度的定位 142-143 7.3.3 识别输出 143 7.3.4 系统运行 143-145 7.4 小结 145-146 8 结论与展望 146-150 参考文献 150-158 作者简历 158-161 学位论文数据集 161
|
相似论文
- 高动态GNSS软件接收机载波跟踪算法研究,P228.4
- 高灵敏度GNSS软件接收机的同步技术研究与实现,P228.4
- 分布式移动多载舰OTHR系统姿态测量方法的研究,P228.4
- 陀螺稳定跟踪平台研究,V241.5
- 电缆巡检车图像引导技术的研究,U469.6
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 配电网故障定位与网络重构算法的研究,TM727
- 基于UWB脉冲信号的测距定位技术,TN929.5
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 基于直扩序列的多普勒无线定位技术研究,TN914.42
- 医用电磁导航实验系统的研究,TN966
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 人物言论抽取与跟踪技术研究,TP391.1
- 空间交会接近视觉测量方法研究,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 无线传感器网络中定位攻击检测技术研究,TP212.9
- 基于同步控制的多指手操作控制方法的研究,TP242
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|