手勢控制和識別算法研究.pdf

1、手勢控制和識別作為智能人機交互系統(tǒng)的重要組成部分，是目前的研究熱點。當前研究主要集中在兩個方面，一是虛擬手部建模及控制機制；二是手勢的檢測與識別算法。手勢控制和識別算法的研究有助于最終實現(xiàn)基于手勢的智能化人機交互。
　　本文對現(xiàn)有的手勢控制和識別算法進行深入研究，做了如下工作：
　　1.建立了符合人類生理特征的手部肌肉模型及基于多線譜的虛擬手控制機制，可真實自然地仿真虛擬手的多種運動。首先，根據(jù)手部解剖結(jié)構(gòu)及骨關(guān)節(jié)間的幾何比

2、例，建立了手部肌肉模型，并給出了手指運動角度與肌肉收縮量之間的關(guān)系；在此基礎(chǔ)上提出了手部運動多線譜控制機制，由于多線譜能在時空兩個維度同時描述手部運動，且能用簡潔的函數(shù)表示，因此可利用相應(yīng)的一組譜線反過來控制虛擬手相應(yīng)的運動；最后，結(jié)合手部運動特征及多線譜運動約束空間的概念，仿真虛擬手運動。實驗結(jié)果表明，該方法減少了模型控制的復(fù)雜度，提高了仿真結(jié)果的真實性和準確性。
　　2.實現(xiàn)了基于多種顏色空間的手勢區(qū)域檢測方法，可準確快速地通

3、過膚色判別來檢測手勢區(qū)域。針對現(xiàn)有方法在低光環(huán)境下檢測效果不佳的問題，本文通過分析多種顏色空間中膚色分布的情況，利用兩級膚色判別的方法區(qū)分輸入圖像的光照環(huán)境。根據(jù)手勢圖像的亮度信息判斷是否為正常光，如是，則將其在YCbCr和YCgCr兩種顏色空間中的膚色檢測結(jié)果做“與”運算；否則，聯(lián)合HSV及YCgCr顏色空間進一步判定高光或低光環(huán)境，實驗結(jié)果表明，該算法可以有效避免亮度信息對于膚色檢測的影響。
　　3.提出了基于主慣性軸的靜態(tài)手

4、勢識別及基于多線譜的動態(tài)手勢識別方法。針對靜態(tài)手勢識別中旋轉(zhuǎn)縮放魯棒性不高的問題，本文提出了基于主慣性軸的識別算法，利用手勢圖像的質(zhì)心及主慣性軸等旋轉(zhuǎn)縮放不變量，得到8個維度的聯(lián)合方向手勢特征，實驗結(jié)果表明，在多種分類器下該方法均具有較高的實時性，且識別率在99％以上。針對動態(tài)手勢，本文提出基于多線譜的識別算法。該算法通過攝像頭獲取動態(tài)手勢形成過程中關(guān)鍵點的位置信息，得到動態(tài)手勢對應(yīng)的多線譜，由于多線譜能夠在時空兩個維度同時描述手勢的動