手勢圖像識別算法研究.pdf

1、人與計(jì)算機(jī)的頻繁互動(dòng)已經(jīng)成為生活中的日常操作，其中，關(guān)于手勢的研究已然成為目前人機(jī)交互研究領(lǐng)域的主要研究方向之一。手勢識別技術(shù)的研究將會(huì)改變傳統(tǒng)的人機(jī)交互方式，手勢的的使用必然會(huì)使得人機(jī)交互技術(shù)從以機(jī)器為中心逐步轉(zhuǎn)移到以人為中心，讓人機(jī)交互的方式變得便捷，人機(jī)交互方式變得豐富，也使使用計(jì)算機(jī)的門檻降低。
　　本文對手勢識別完整系統(tǒng)進(jìn)行表述，主要包含了四個(gè)主要部分，靜態(tài)手勢圖像的預(yù)處理，關(guān)于手勢的圖像分割，手勢的特征提取以及最后的手

2、勢的識別方法。系統(tǒng)通過攝像頭捕獲手勢圖像，對該圖像進(jìn)行預(yù)處理，其中包括彩色空間轉(zhuǎn)換、平滑處理、形態(tài)學(xué)運(yùn)算、灰度化、二值化、輪廓提取，其中詳細(xì)介紹通過常用的顏色空間，分析影響到手勢特征提取及分割的色彩分量，并通過彩色空間轉(zhuǎn)換減弱甚至消除該影響。本文詳細(xì)介紹基于canny邊緣的檢測方法，并根據(jù)在手勢邊緣提取方法上的不足提出改進(jìn)。
　　手勢分割部分是手勢識別系統(tǒng)的關(guān)鍵步驟之一，在簡單、單一背景的室內(nèi)環(huán)境下分割手勢的算法要求不高，但是在復(fù)

3、雜背景下的室外環(huán)境下，有太多的干擾，這使得傳統(tǒng)的分割方法無法將手勢從背景中干凈的分割出來，本文介紹的傳統(tǒng)的Otsu算法雖然在單一背景下效果不錯(cuò)，但是復(fù)雜背景下顯得捉襟見肘，通過改進(jìn)灰度圖像的劃分方法使的Otsu算法能夠分割出手勢。
　　干凈的手勢圖像中的信息量太多，如果作為分類識別系統(tǒng)的輸入，這會(huì)增加識別系統(tǒng)的計(jì)算量以及計(jì)算復(fù)雜度，所以手勢圖像的特征提取是需要的，本文使用的是圖像區(qū)域幾何的特征的不變距，不變距由7個(gè)不變距的值組成，

4、我們?yōu)榱耸棺R別系統(tǒng)分類的輸入具有旋轉(zhuǎn)、平移、尺度變化不變性，就需要通過仿真并且比較從中挑選出符合條件的分量并組合成輸入向量。
　　在識別方法的挑選中，本文挑選的基于自適應(yīng)神經(jīng)-模糊推理系統(tǒng)（ANFIS）的手勢識別方法具有自主學(xué)習(xí)的能力，而且魯棒性好。雖然該方法的識別能力好但是計(jì)算復(fù)雜度高，我們通過對不變距的篩選結(jié)合自適應(yīng)神經(jīng)-模糊推理系統(tǒng)的手勢識別法，提高整個(gè)系統(tǒng)的手勢識別率，并且與BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行，平均識別率95.