基于深度信息的動(dòng)態(tài)手勢(shì)識(shí)別研究.pdf

1、隨著人機(jī)交互技術(shù)的不斷發(fā)展，動(dòng)態(tài)手勢(shì)識(shí)別以自然便捷的交互體驗(yàn)，逐漸獲得了用戶的認(rèn)可，在虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等新型多媒體技術(shù)應(yīng)用中展現(xiàn)出廣闊的前景。基于視覺(jué)的動(dòng)態(tài)手勢(shì)識(shí)別技術(shù)以自然便捷的優(yōu)勢(shì)，逐漸成為手勢(shì)識(shí)別技術(shù)發(fā)展的趨勢(shì)。深度信息的引入進(jìn)一步克服了彩色信息受環(huán)境光照變化、背景復(fù)雜性影響的缺陷，并將豐富的空間三維信息融入到手勢(shì)特征中，這有助于提高手勢(shì)識(shí)別算法的性能。然而，目前基于深度信息的動(dòng)態(tài)手勢(shì)識(shí)別算法對(duì)動(dòng)態(tài)手勢(shì)的運(yùn)動(dòng)特性分析不夠充分，一

2、方面導(dǎo)致了提取的手勢(shì)特征存在時(shí)域冗余信息，另一方面算法對(duì)運(yùn)動(dòng)速度有差異的手勢(shì)魯棒性較低。本文針對(duì)以上問(wèn)題展開(kāi)了研究。
　　首先，提出了基于深度圖序列的手勢(shì)分解算法。該算法首先提取深度圖基于方向的手勢(shì)形狀特征，該特征可以刻畫(huà)手部邊緣的方向信息。接著提出了基于譜聚類算法的深度圖序列手勢(shì)分解算法，利用聚類方法解決手勢(shì)分解問(wèn)題。求相鄰幀的加權(quán)相似性矩陣，建立無(wú)向圖模型。為解決圖劃分問(wèn)題，將相似性矩陣轉(zhuǎn)換為拉普拉斯矩陣求解該矩陣的特征向量，

3、將圖優(yōu)化問(wèn)題簡(jiǎn)化為矩陣求解問(wèn)題。進(jìn)一步選取特征向量并對(duì)其進(jìn)行二分迭代聚類，解決了手勢(shì)分解過(guò)程中無(wú)法確認(rèn)子序列數(shù)目的問(wèn)題。從每個(gè)類別中選取最具代表性的手勢(shì)節(jié)點(diǎn)組成關(guān)鍵點(diǎn)集合，實(shí)現(xiàn)了手勢(shì)的分解。
　　然后，提出了基于手勢(shì)分解的動(dòng)態(tài)手勢(shì)識(shí)別算法，并針對(duì)自定義數(shù)據(jù)集和公共數(shù)據(jù)集詳細(xì)分析了算法中參數(shù)的影響，進(jìn)行了對(duì)比實(shí)驗(yàn)分析。結(jié)果表明本文提出的基于手勢(shì)分解的動(dòng)態(tài)手勢(shì)識(shí)別算法解決了動(dòng)態(tài)手勢(shì)識(shí)別中手勢(shì)特征存在時(shí)域冗余信息以及特征對(duì)手勢(shì)速度變化魯