3D連續(xù)手勢識別研究.pdf

1、隨著深度攝像機的商業(yè)化推進,手勢識別在3D人機交互領(lǐng)域獲得了越來越多的關(guān)注。目前,絕大多數(shù)手勢識別算法需要人為地提供手勢的起始點和終止點,這違背了自然人機交互這一理念。傳統(tǒng)的Begin-End動態(tài)時間規(guī)整算法雖然能解決無限長序列中的連續(xù)手勢檢測問題,但是無法解決自包含手勢識別問題。針對這一問題,在Begin-End動態(tài)時間規(guī)整算法的基礎(chǔ)上,本文提出了加窗的動態(tài)時間規(guī)整算法(Windowed Dynamic Time Warping, W

2、DTW)。本文的主要學(xué)術(shù)貢獻如下。
　　針對不同類別模型中可能存在前一部份信號相似的問題,提出了從無限序列檢測給定模式的加窗動態(tài)時間規(guī)整算法。通過提出加窗的動態(tài)時間規(guī)整算法,將一個參數(shù)可變的搜索窗口引入到傳統(tǒng)動態(tài)時間規(guī)整算法的全局代價矩陣中,通過不斷的調(diào)整搜索窗口的參數(shù),檢測出時間序列曲線的筆畫段,從而得到模板序列的起始點和終止點。這使得模板序列曲線的檢測過程轉(zhuǎn)變?yōu)樗阉卮翱趨?shù)確定的過程。同時在加窗的動態(tài)時間規(guī)整算法中引入了局部窗

3、口。通過局部加窗的懲罰因子,避免了由于匹配路徑豎直向下而導(dǎo)致的匹配錯誤。局部窗口也能濾除掉手勢噪聲的干擾,使得手勢識別系統(tǒng)更加穩(wěn)定。
　　WDTW算法的第一個應(yīng)用是連續(xù)自定義手勢識別。將加窗的動態(tài)時間規(guī)整算法運用在具有部分相似手勢的手勢檢測中,克服了多筆畫檢測的問題。即使是每一個筆畫都對應(yīng)一個單一手勢的多筆畫手勢,加窗的動態(tài)時間規(guī)整算法也能輸出正確的手勢結(jié)果。本文在兩個不同的自定義手勢數(shù)據(jù)庫中,對3D連續(xù)手勢識別算法進行了對比驗證

4、,WDTW分別取得了85％和58.8％的正確率以及12.2％和39.7％的錯誤率,而Begin-End動態(tài)時間規(guī)整算法取得了86.7％和57.6％的正確率以及45％和139.8％的錯誤率。表明本文提出的算法明顯的超越了傳統(tǒng)Begin-End動態(tài)時間規(guī)整算法。
　　WDTW算法的第二個應(yīng)用是連續(xù)字母手勢識別。將加窗的動態(tài)時間規(guī)整算法應(yīng)用到3D字母手勢識別中,3D字母手勢在線測試取得了75％的正確率和15％的錯誤率。而Begin-En