基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法研究.pdf

1、手勢(shì)是一個(gè)自然、直觀的交互工具，在需求高的人機(jī)交互中有著重要的作用，它不僅是一個(gè)交流信息的通道，更是一個(gè)示范學(xué)習(xí)的載體。通過手勢(shì)，人們可以和機(jī)器人自然的溝通，使得機(jī)器人可以根據(jù)人們的意圖完成一些高難度、高危險(xiǎn)的任務(wù)，降低任務(wù)的危險(xiǎn)性，得到人們首肯。但是現(xiàn)在通過手勢(shì)的人機(jī)交互還不成熟，并且使用價(jià)值不高，所以手勢(shì)識(shí)別成為近年來研究的熱點(diǎn)和難點(diǎn)。
　　 從人機(jī)自然交互的角度出發(fā)，本文研究了獨(dú)立于用戶視角的手勢(shì)識(shí)別方法，提出了基于動(dòng)態(tài)模

2、糊神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法，目前算法主要致力于靜態(tài)手勢(shì)的方面?？紤]到正向的手勢(shì)特征不足以充分描述自然手勢(shì)，本文使用了完備特征集來描述手勢(shì)特征，根據(jù)Zernike矩的重構(gòu)圖像和原始圖像的海明距離來判斷Zernike矩的最高階次，確定手勢(shì)的完備特征集。在特征降維方面，從分類準(zhǔn)確性和保持原始圖像點(diǎn)與點(diǎn)之間的幾何關(guān)系的角度出發(fā)，本文采用等距離映射(Isomap)方法來對(duì)手勢(shì)特征降維。在分類方面，本文構(gòu)造了基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的分類器，用來對(duì)輸入樣

3、本的進(jìn)行分類。在識(shí)別階段，提取測(cè)試樣本集的特征作為訓(xùn)練好的分類器的輸入進(jìn)行判斷。
　　 接下來，本文分析了基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法的性能并指出目前存在的問題，而且提出了解決方案。最后本文利用實(shí)驗(yàn)證明，zernike矩的手勢(shì)完備特征集能等價(jià)描述手勢(shì)特性，同時(shí)實(shí)驗(yàn)結(jié)果顯示，用Isomap降維后的特征保存了點(diǎn)與點(diǎn)幾何關(guān)系。分類器的性能比較實(shí)驗(yàn)顯示，基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的分類在性能方面優(yōu)于RBF分類器、BP分類器和LQV分類器