学位论文 > 优秀研究生学位论文题录展示

连续动态手势识别的研究

作　者: 蒲华秀
导　师: 李晓宁
学　校: 四川师范大学
专　业: 计算机应用技术
关键词: 人机交互手势识别特征提取手势分割 HMM
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 26次
引　用: 0次
阅　读: 论文下载

内容摘要

人机交互（Human Computer Interaction, HCI）技术在各个领域内，都占据了重要的地位。手势作为人机交互最直观、形象和生动的手段，理所当然地成为研究人机交互课题中的热点之一。本文利用单目摄像头，对单手的运动进行识别研究。所以，本文以连续动态手势识别的研究为题，主要解决手势分割时，光照、人脸、手臂及类肤色对手掌分割的干扰，以及连续手势识别时，如何将预定义的孤立手势与非意义的动作区分开，如何确定一个手势的起点和终点等这些问题。为了完成本课题以及解决前面所提到的问题，本文对相应的算法进行了研究，提出了一定的解决方案，并进行了大量的实验，实验证明：本文提出的解决相应问题的方案是可行的，并取得了很好的结果。手势识别过程中，主要包括手势分割、特征提取和手势识别三个关键环节，因此，本文的研究工作如下：1)采用融合肤色检测和运动检测的手掌分割方法，能够有效解决光照、人脸、手臂及类肤色对手掌分割的干扰。本文首先进行图像预处理，使光照均衡，并进行去噪；然后采用YCbCr肤色检测和单高斯背景差分法相结合的方法，能够将相对静止的人脸及类肤色去除掉，得到粗糙的手部区域；接着采用形态学中的开闭操作和标记连通区域的图像后处理方法，能够去除多余的小区域，填充孔洞，得到完整的手部区域。2)将方向链码编码的方法作为手势运动轨迹的特征，该特征提取方法比较简单，大大减少了计算量。手掌分割后，得到一系列手掌区域的质心点，连接这些质心点，得到手势运动的轨迹。根据两相邻质心点的坐标，求得质心点的夹角。本文采用12方向链码，即用1~12来编码这些夹角，最终得到一维特征向量。3)研究了基于隐马尔科夫模型(Hidden Markov Model, HMM)的门限模型方法，并应用于连续动态手势的识别，能够将预定义的手势和非意义的动作区分开，以及确定一个手势的起点和终点。本文首先采用HMM对预定义的孤立动态手势进行识别，得到每个预定义孤立动态手势的HMM；然后将每个预定义孤立动态手势的HMM合并成一个基于HMM的门限模型；最后用门限模型和每个预定义孤立动态手势的HMM，来识别连续动态手势。

全文目录

摘要  3-5
Abstract  5-9
1 绪论  9-17
  1.1 研究背景和意义  9-12
  1.2 国内外研究现状  12-15
    1.2.1 国外研究状况  12-13
    1.2.2 国内研究状况  13-15
  1.3 本文研究内容  15-16
  1.4 本文组织结构  16-17
2 手势识别概述  17-28
  2.1 手势的定义及分类  17-18
  2.2 手势识别的定义及分类  18-20
  2.3 手势识别研究的关键技术  20-26
    2.3.1 手势分割  20-21
    2.3.2 手势建模  21-22
    2.3.3 手势特征提取  22-25
    2.3.4 手势识别  25-26
  2.4 手势识别困难的原因  26-27
  2.5 小结  27-28
3 融合肤色模型和运动检测的手势分割  28-45
  3.1 图像采集  28-29
  3.2 图像预处理  29-33
    3.2.1 图像的平滑  29-31
    3.2.2 图像的锐化  31-32
    3.2.3 光照校正  32-33
  3.3 肤色模型  33-37
    3.3.1 RGB 肤色模型  33-34
    3.3.2 HSV 肤色模型  34-35
    3.3.3 YCbCr 肤色模型  35-36
    3.3.4 RGB、HSV 和 YCbCr 三种肤色模型对比  36-37
  3.4 运动检测  37-40
    3.4.1 帧差法  37-38
    3.4.2 背景差分法  38-39
    3.4.3 帧差法和单高斯背景差分对比  39-40
  3.5 图像后处理  40-42
    3.5.1 标记连通区域  40-41
    3.5.2 去除手臂  41-42
  3.6 本文提取手掌的总体方法  42-44
  3.7 小结  44-45
4 连续动态手势识别  45-57
  4.1 手势轨迹特征值的提取  45-46
  4.2 基于 HMM 的孤立动态手势识别  46-52
    4.2.1 HMM 的概述  46-47
    4.2.2 HMM 的三个核心问题及解决方法  47-50
    4.2.3 HMM 的拓扑结构和类型  50-51
    4.2.4 本文对手势样本的状态划分  51
    4.2.5 实验探讨  51-52
  4.3 基于 HMM 门限模型的连续动态手势识别  52-56
    4.3.1 HMM 门限模型  52-53
    4.3.2 连续手势的识别以及起点和终点的定位  53-55
    4.3.3 实验探讨  55-56
  4.4 小结  56-57
5 总结与展望  57-59
致谢  59-60
参考文献  60-62

连续动态手势识别的研究

内容摘要

全文目录

相似论文