序列圖像中動態(tài)手勢跟蹤與建模方法研究.pdf

1、隨著計算機軟、硬件技術的迅猛發(fā)展及廣泛應用,人與計算機之間的交互活動也越來越密切。手勢這一人與人之間除自然語言外最重要的人際交流方式也被引入人機交互中,使得人與計算機之間的交互以一種更加自然而直觀的方式進行。本文從自然人機交互的需求出發(fā),對復雜背景下序列圖像中的靜態(tài)手形提取、動態(tài)手勢建模及特征提取、動態(tài)手勢跟蹤識別進行了研究。并在此基礎上,實現了從攝像頭輸入的5種鼠標手勢的識別,以此來驗證論文算法的正確性與有效性。
　　 本研究

2、針對復雜背景下利用單一線索對靜態(tài)手形提取不準確的缺陷,提出了一種結合手勢膚色、運動、輪廓等多線索的靜態(tài)手形提取方法。該方法利用HSV顏色空間的H、S分量以及YCbCr顏色空間的Y分量實現了光照變化條件下手勢的膚色檢測,并且利用幀差分法進行運動檢測去除類膚色背景,最后融合膚色、運動、輪廓等多種線索實現了復雜背景下靜態(tài)手形的準確提取。為了解決傳統(tǒng)Mean shift算法在復雜背景和光照變化等情形下存在跟蹤不穩(wěn)定、跟蹤失敗無法恢復等問題,提出

3、了一種融合手勢膚色和結構等多特征的魯棒的Mean shift手勢跟蹤算法。該算法將膚色檢測和幀差分法相結合形成目標檢測模塊,實現了跟蹤初始化時可自動檢測目標,同時可自動根據跟蹤結果來確定目標手勢矩形域。經與傳統(tǒng)Mean shift算法對比實驗分析,該算法提高了手勢跟蹤的準確性和穩(wěn)定性。當手勢快速運動及遮擋等導致跟蹤失敗時,可利用目標檢測恢復跟蹤,提高了跟蹤的連續(xù)性。針對動態(tài)手勢模型的準確性和使用速度不協(xié)調的矛盾,提出了一種動態(tài)手勢建模及