用于3D場景視頻會議的手勢識別系統(tǒng)的研究與實現(xiàn).pdf

1、隨著信息技術的發(fā)展,計算機在人們生活中應用得越來越廣泛,人機交互也越來越引起研究人員的關注,研究更符合人們生活習慣的人機交互方式的問題也變得更加有意義。手勢識別作為人機交互中常用的一種方式一直以來有過很多研究和應用,但由于手勢的多變性和環(huán)境的復雜性,這一課題仍沒有完善的解答。本文提出基于微軟Kinect獲取的深度圖來實現(xiàn)用于3D場景視頻會議的手勢識別系統(tǒng)的方法,并對這一方法進行實驗和驗證,論文研究具有實際意義。
　　本文首先介紹了

2、Kinect設備的組成結構和深度圖提取原理,并講解了獲取深度圖和將其轉換為三維點云的方法,以便于后續(xù)手勢處理工作的進行;接著在獲得場景三維點云后,從靜態(tài)手勢識別入手進行研究。按基于視覺的手勢識別技術的流程進行手勢定位和提取時,利用三維點云場景比二維圖像場景多一維深度信息的優(yōu)勢,用基于距離分割的方法進行手勢定位,并根據最近臨法則的原理進行手勢提取。在獲取手勢點云后,最后對手勢進行了方向矯正使其在深度方向上較為統(tǒng)一,并使用手勢點云的深度區(qū)間

3、分布提取手勢特征,使用支持向量機對特征進行模型訓練和識別實驗,實現(xiàn)了數字手勢1至5的識別并取得了較好的實驗結果。
　　為了便于視頻會議的使用,本文還實現(xiàn)了基于隱馬爾可夫模型的動態(tài)手勢識別。在對手勢進行距離定位后,根據手勢運動軌跡的位置、速率、加速度和方向角等信息提取了動態(tài)手勢特征,并進行了優(yōu)化使其穩(wěn)定性得以增強。本文使用此動態(tài)手勢特征進行了隱馬爾可夫模型建模和識別實驗,實現(xiàn)了4個常用動態(tài)手勢的識別并取得了較好的實驗結果。