基于Kinect深度圖像的動態(tài)手勢識別的研究.pdf

1、手勢作為人機(jī)交互當(dāng)中非常重要的一種交互方式，通過計算機(jī)從視頻中檢測手勢并跟蹤、識別，從而理解人的意圖，由于其自然、方便，更適合人類自然的交互需求，應(yīng)用情景非常廣泛，已經(jīng)成為人機(jī)交互研究的熱點(diǎn)之一。
　　傳統(tǒng)的手勢識別技術(shù)主要包括基于佩帶設(shè)備的手勢識別和基于普通攝像頭的RGB計算機(jī)視覺的手勢識別?；谂鍘гO(shè)備的手勢識別是指利用數(shù)據(jù)手套或者三維設(shè)備進(jìn)行的手勢識別方法，限制了自然的人機(jī)交互。基于視覺的手勢識別研究包含了很多算法，但是這些

2、方法在手勢分割時易受光照、背景和攝像頭特性等因素影響，導(dǎo)致識別率并不高，魯棒性較差。所以傳統(tǒng)的手勢識別技術(shù)應(yīng)用前景比較受限，本文研究了基于Kinect的動態(tài)手勢跟蹤算法，能夠很好的解決以上這些問題。
　　本文根據(jù)前人總結(jié)加上對Kinect的一些研究，研究了兩種已有的動態(tài)手勢識別的方法，分別是基于擬合曲線的動態(tài)手勢識別、利用軌跡的單調(diào)性進(jìn)行動態(tài)手勢識別?；跀M合曲線的動態(tài)手勢識別主要是針對提取出的手勢質(zhì)心進(jìn)行曲線擬合，在擬合之后使用

3、hu曲線矩進(jìn)行訓(xùn)練與分類，這個算法的好處是計算效率高，但是識別率比較低。利用軌跡的單調(diào)性進(jìn)行動態(tài)手勢識別則是通過每段軌跡的單調(diào)性的不同來區(qū)分不同的軌跡含義，這種算法的特點(diǎn)是針對曲線單調(diào)性變化不頻繁的手勢軌跡曲線有較好的識別效果，但是對于曲線單調(diào)性變化比較頻繁的識別率不是很好。通過總結(jié)以上兩種方法的優(yōu)缺點(diǎn)，本文提出了基于方向矢量量化方法的動態(tài)手勢識別的研究方法?；诜较蚴噶苛炕椒ǖ膭討B(tài)手勢識別是采用Camshift算法進(jìn)行手勢質(zhì)心提取，