基于視覺(jué)的字母手勢(shì)識(shí)別技術(shù)研究及實(shí)現(xiàn).pdf

1、在目前人工智能高速發(fā)展的時(shí)代，對(duì)計(jì)算機(jī)視覺(jué)的研究也越來(lái)越熱門(mén)。在視覺(jué)領(lǐng)域中，由于人手手勢(shì)表達(dá)能力的豐富性，針對(duì)手勢(shì)識(shí)別的研究者不斷增多。隨著人們對(duì)手勢(shì)識(shí)別研究的深入，使得人機(jī)交互更加人性化。目前機(jī)器的研究不斷趨于小型化，然而外部輸入設(shè)備一直占了機(jī)器的很大一部分，基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別，使得機(jī)器去掉這些外部輸入設(shè)備成為可能。
　　目前國(guó)內(nèi)對(duì)手勢(shì)識(shí)別的研究，很大一部分是對(duì)一些簡(jiǎn)單手勢(shì)的識(shí)別，手勢(shì)量較少，為了更好、更簡(jiǎn)單的實(shí)現(xiàn)人機(jī)交互

2、，利用普通攝像頭實(shí)時(shí)采集人手圖像，完成對(duì)26個(gè)英文字母手勢(shì)的檢測(cè)、跟蹤和識(shí)別，并且輸出相應(yīng)的字母。通過(guò)對(duì)相關(guān)算法的分析和改進(jìn)，使得效果具有一定的改善。
　　首先，對(duì)于人手的檢測(cè)，膚色分割檢測(cè)是最簡(jiǎn)單而且有效的方法，但是膚色檢測(cè)很容易誤檢，例如把人臉誤檢為人手。利用圖像的Haar特征，以Adaboost分類器進(jìn)行目標(biāo)檢測(cè)在較大尺寸圖像的圖像上檢測(cè)比較困難，所以利用兩種方法的優(yōu)點(diǎn)，把膚色檢測(cè)的結(jié)果輸入Adaboost分類器進(jìn)行檢測(cè)，很

3、好的完成人手檢測(cè)，提高了檢測(cè)精度。
　　其次，在人手跟蹤上，粒子濾波跟蹤算法具有不錯(cuò)的效果，但基本粒子濾波跟蹤算法在重采樣階段存在粒子退化和粒子匱乏等缺點(diǎn)，針對(duì)此缺點(diǎn)，提出了一種基于風(fēng)驅(qū)動(dòng)優(yōu)化的粒子濾波改進(jìn)算法，既在粒子濾波算法重采樣前，引入風(fēng)驅(qū)動(dòng)優(yōu)化算法對(duì)粒子進(jìn)行優(yōu)化，仿真和實(shí)驗(yàn)結(jié)果表明該改進(jìn)算法在一定程度上提高了基本粒子濾波跟蹤算法的效果。
　　然后，對(duì)實(shí)時(shí)跟蹤到的手勢(shì)區(qū)域，進(jìn)行識(shí)別。識(shí)別方法主要采用深度學(xué)習(xí)——卷積神經(jīng)