学位论文 > 优秀研究生学位论文题录展示

基于视觉的静态手势识别算法研究

作　者: 孔凡震
导　师: 王小平
学　校: 兰州交通大学
专　业: 模式识别与智能系统
关键词: 基于视觉的静态手势识别 VFW BP神经网络网格特征
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 360次
引　用: 0次
阅　读: 论文下载

内容摘要

随着虚拟现实技术的迅猛发展,研究符合人际交流习惯的新颖人机交互技术变得异常活跃,也取得了可喜的进步。这些研究包括人脸识别、表情解释、口形(唇读)识别、头部方位检测、视线跟踪、三维定位、手势识别与人体姿势识别等等。其中,手势识别是当前比较热门的研究课题。本文对基于视觉的静态手势识别技术进行了比较深入的研究,并对其中的部分关键算法进行了改进。整个研究过程分为四大部分,即手势图像的获取、手势图像的预处理、手势图像的特征提取和手势图像的识别。具体工作如下:1.手势图像的获取方面,本文使用WINDOWS操作系统自身携带的VFW(Video forWindows)API函数,通过其AVICAP模块中的消息、宏函数、结构以及回调函数实现实时视频帧的捕获,并把得到的视频帧存放到自定义的数据结构DIBINFO中。2.手势图像的预处理方面,本文首先使用灰度直方图算法将手势图像二值化,然后根据本文提出的一种复合型去噪算法对图像消噪,再后采用掏空内部点的方法对手势目标进行轮廓提取,最后采用八邻域扫描法对手势目标进行边界跟踪。3.手势图像的特征提取方面,本文首先研究了人手的常见特征,如人手的面积、人手的矩形轮廓面积、手指(除拇指外)个数等,然后根据神经网络的特点,提出了手势图像的网格特征提取方法。4.手势图像的识别方面,本文采用了二次分类法,即首先用人手的常见特征对手势图像进行粗分类,然后用BP神经网络算法进行细分类,神经网络的输入层输入的是手势图像的网格特征,隐含层采用Sigmoid函数,输出层为四个节点。在构建手势图像的标准手势库时,采用了十种常见的手势作为标准手势。实验结果表明,本文对手势图像的二值化和去噪有较好的效果,系统的识别率和识别精度也较高。但也存在一定的问题,比如说标准手势库还不够完善,系统在复杂背景下还没有得到很好的验证。所以本文研究的手势图像识别技术,在一定程度上是对现有技术的一种改进和补充,而算法的优劣和可靠性,还有待于后续工作的继续完善和验证。

全文目录

摘要  4-5
Abstract  5-9
1 绪言  9-16
  1.1 手势识别技术的背景及研究意义  9-10
  1.2 手势识别技术的应用领域  10-11
  1.3 国内外相关领域的研究现状  11-13
    1.3.1 国外手势识别及相关领域的研究成果  11-12
    1.3.2 我国手势识别领域的研究成果  12
    1.3.3 我国手势识别领域遇到的技术难题  12-13
  1.4 基于视觉的静态手势识别简介  13-14
    1.4.1 手势建模  13
    1.4.2 静态手势图像识别的常用算法  13-14
    1.4.3 基于视觉的静态手势识别的一般过程  14
  1.5 本文的工作及论文的组织  14-16
2 手势图像的获取  16-21
  2.1 数字图像的表示  16-18
    2.1.1 数字图像的格式分类  16
    2.1.2 数字图像的灰度图  16
    2.1.3 位图格式  16-18
  2.2 CDib类库  18
  2.3 手势图像的获取  18-21
    2.3.1 VFW简介  18-19
    2.3.2 基于VFW的图像获取过程  19-21
3 手势图像预处理  21-32
  3.1 图像的基本操作  21
  3.2 图像的灰度变换  21-22
  3.3 图像的二值化  22-25
    3.3.1 整体阈值二值化  22-24
    3.3.2 局部阈值二值化  24
    3.3.3 动态阈值二值化  24
    3.3.4 算法示例  24-25
  3.4 手势图像的去噪  25-28
    3.4.1 邻域平均法  26-27
    3.4.2 中值滤波器  27
    3.4.3 频率域低通滤波  27
    3.4.4 复合型去噪法  27-28
  3.5 手势图像的边缘提取和轮廓跟踪  28-29
  3.6 手势图像的矩形区域分割  29-32
4 手势图像的特征提取  32-37
  4.1 结构特征提取  32-33
  4.2 统计特征提取  33-34
  4.3 常用的手势特征及作用  34-35
    4.3.1 手区域矩形handrect的计算算法  34
    4.3.2 Area特征的计算方法  34
    4.3.3 手势轮廓的周长  34-35
    4.3.4 fingernumber特征的提取算法  35
  4.4 网格特征提取  35-37
5 手势图像的识别  37-42
  5.1 BP神经网络算法  37-40
  5.2 系统采取的标准手势  40
  5.3 实验结果与分析  40-42
结论  42-43
致谢  43-44
参考文献  44-46
攻读学位期间的研究成果  46

基于视觉的静态手势识别算法研究

内容摘要

全文目录

相似论文