面向裝配示教學(xué)習(xí)的物體跟蹤與手勢(shì)識(shí)別.pdf

1、隨著機(jī)器人逐漸深入到社會(huì)生產(chǎn)和生活的方方面面，更加自然的智能示教學(xué)習(xí)能力成為了學(xué)術(shù)界研究的熱點(diǎn)。作為機(jī)器人接受外界信息的主要來(lái)源，基于視覺(jué)系統(tǒng)的操作動(dòng)作識(shí)別成為人機(jī)示教學(xué)習(xí)的基本任務(wù)之一。人的行為具有多層次、上下文相關(guān)的特點(diǎn)，因而如何結(jié)合環(huán)境信息與動(dòng)作信息識(shí)別示教時(shí)人的操作動(dòng)作具有重要的研究意義。
　　本文在智能裝配機(jī)器人示教學(xué)習(xí)的項(xiàng)目背景下，以示教時(shí)機(jī)器人能夠準(zhǔn)確識(shí)別裝配操作動(dòng)作為目的，在物體追蹤、靜態(tài)手勢(shì)的檢測(cè)與識(shí)別和動(dòng)態(tài)手勢(shì)

2、識(shí)別等方面展開(kāi)研究。本文的主要研究?jī)?nèi)容和成果包括以下幾個(gè)方面:
　　1.提出并實(shí)現(xiàn)了一種結(jié)合全局目標(biāo)描述和局部模板更新的目標(biāo)追蹤算法。該算法以貝葉斯參數(shù)估計(jì)作為整體框架，觀測(cè)模型中提取目標(biāo)的全局Haar特征經(jīng)RIP矩陣降維作為觀測(cè)特征。動(dòng)態(tài)模型部分針對(duì)粒子濾波采樣產(chǎn)生的各樣本，經(jīng)樸素貝葉斯計(jì)算各樣本的狀態(tài)后驗(yàn)，選擇后驗(yàn)概率最大的粒子作為當(dāng)前幀的跟蹤結(jié)果。其中貝葉斯分類(lèi)器參數(shù)由模板集訓(xùn)練得到，模板更新時(shí)，對(duì)新加入的模板圖像依稀疏表示

3、對(duì)該圖像的各局部區(qū)域進(jìn)行重建，依據(jù)重建誤差剔除掉模板圖像中受遮擋的局部圖像塊，避免更新時(shí)發(fā)生的跟蹤漂移。本文在不同數(shù)據(jù)上測(cè)試了上述算法，實(shí)驗(yàn)結(jié)果表明本文的算法在目標(biāo)發(fā)生遮擋，背景存在相似物及光照變化等情況下，均能穩(wěn)定的跟蹤指定目標(biāo)。
　　2.設(shè)計(jì)并實(shí)現(xiàn)了基于膚色的人手分割和綜合多種靜態(tài)特征的手勢(shì)識(shí)別方法。通過(guò)分析不同人種間膚色像素分布的特點(diǎn)，在非線性YCbCr空間實(shí)現(xiàn)了基于膚色的圖像人手的定位和分割。針對(duì)不同類(lèi)別的手勢(shì)樣本，先后引

4、入多層HOG和Zernike矩特征描述手勢(shì)形狀，同時(shí)考慮到核函數(shù)對(duì)非線性特征的提取能力，使用KernelPCA提取手勢(shì)圖像像素間的非線性關(guān)系作為手勢(shì)特征，綜合以上三種特征，使用最近鄰分類(lèi)方法，對(duì)11種不同手勢(shì)數(shù)據(jù)進(jìn)行分類(lèi)，分類(lèi)的平均準(zhǔn)確度達(dá)到了98％。
　　3.提出并實(shí)現(xiàn)了基于連續(xù)型隱馬爾科夫模型的手勢(shì)操作動(dòng)作建模，其中手勢(shì)形狀特征作為模型觀測(cè)，模型的參數(shù)經(jīng)由最大期望算法得到。針對(duì)不同的操作動(dòng)作分別訓(xùn)練得到其對(duì)應(yīng)的HMM模板，依據(jù)