基于神經(jīng)網(wǎng)絡(luò)的靜態(tài)手勢(shì)識(shí)別算法研究.pdf

1、手勢(shì)是人們?nèi)粘Ｉ钪凶钭匀恢庇^的交流方式，手勢(shì)中含有豐富的信息，通過手勢(shì)可以表達(dá)出一些自然語言和書面語言難以表述的意思?，F(xiàn)在，人機(jī)交互中所使用的設(shè)備無論在性能上，還是在運(yùn)算能力上都有了很大的提升，因此基于手勢(shì)的人機(jī)交互技術(shù)的研究逐漸成為研究的熱點(diǎn)。靜態(tài)手勢(shì)可視為動(dòng)態(tài)手勢(shì)的瞬態(tài)，所以研究靜態(tài)手勢(shì)識(shí)別具有重要意義，有助于后續(xù)的動(dòng)態(tài)手勢(shì)識(shí)別的研究。
　　本文重點(diǎn)針對(duì)靜態(tài)手勢(shì)識(shí)別所需要的技術(shù)做了詳細(xì)的研究，主要的研究?jī)?nèi)容如下:
　　

2、(1)針對(duì)噪聲對(duì)采集到的手勢(shì)圖像造成的干擾，首先研究了中值濾波和均值濾波的去噪原理，實(shí)驗(yàn)結(jié)果表明，兩種算法在去噪時(shí)會(huì)造成圖像不清晰，同時(shí)會(huì)使得邊緣等細(xì)節(jié)信息丟失。針對(duì)上述問題，本文采用“自適應(yīng)中值濾波+FNLM”相結(jié)合的混合去噪算法，經(jīng)過實(shí)驗(yàn)驗(yàn)證該算法在去噪的同時(shí)可以保護(hù)圖像邊緣等細(xì)節(jié)信息不變。
　　(2)針對(duì)手勢(shì)的分割，深入研究了基于膚色和基于邊緣的兩種分割方法，實(shí)驗(yàn)發(fā)現(xiàn)RGB和HSV顏色空間對(duì)于膚色的聚類效果并不是很好，會(huì)把背

3、景色作為膚色分割，而YCbCr空間的效果要好于前兩種顏色空間，因此更適合用于膚色分割。另外，通過對(duì)幾種邊緣檢測(cè)算子的研究，發(fā)現(xiàn)Canny算子定位精確，存在的虛假邊緣少。上述兩種方法的缺點(diǎn)是容易將背景區(qū)域當(dāng)作手勢(shì)區(qū)域分割出來，因此本文將基于YCbCr顏色空間和基于Canny算子的方法相結(jié)合進(jìn)行手勢(shì)分割，實(shí)驗(yàn)發(fā)現(xiàn)該方法能夠從背景區(qū)域分割出完好的手勢(shì)，解決了誤檢現(xiàn)象。
　　(3)研究了基于SIFT的手勢(shì)特征提取方法，發(fā)現(xiàn)該方法存在著復(fù)雜

4、度高，識(shí)別時(shí)間長(zhǎng)等缺點(diǎn)，因此本文采用基于PCA的SIFT特征提取降維算法，利用PCA對(duì)SIFT提取出來的特征描述子進(jìn)行降維，從而達(dá)到降低復(fù)雜度，提高識(shí)別率的目的。
　　(4)針對(duì)最后的手勢(shì)識(shí)別，本文采用了BP神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了基于PCA降維的SIFT的BP神經(jīng)網(wǎng)絡(luò)手勢(shì)識(shí)別流程。對(duì)于不同的隱含層節(jié)點(diǎn)數(shù)及學(xué)習(xí)率，研究它們與識(shí)別率的關(guān)系，找到了適合本文的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。通過統(tǒng)計(jì)分析誤識(shí)別情況及與其它文獻(xiàn)對(duì)比發(fā)現(xiàn)，本文提出的識(shí)別方法解決了