基于PCA-HOG與LBP特征融合的靜態(tài)手勢識別方法研究.pdf

1、隨著計算機技術不斷的發(fā)展，出現(xiàn)了越來越多的人機交互方式。由于手勢的直觀性、自然性等特點，所以手勢識別也成為了一種重要的人機交互方式(HCI)。但手勢自身具有的多樣性，以及在時空上的差異性等特點，使手勢識別成為一個極富挑戰(zhàn)性的多學科交叉的研究課題。如何能夠快速而準確的識別出手勢所表達的意義，成為了人們研究的重點。本文以兼顧實時性和提高手勢的識別率為研究目標，設計實現(xiàn)一個基于計算機視覺的靜態(tài)手勢識別系統(tǒng)，完成對預定義的6種靜態(tài)手勢的識別。<

2、br>　　論文首先討論了幾種常見的圖像預處理方法，以用來去除圖像的噪聲和增強圖像的質(zhì)量，并分別對梯度直方圖(HOG特征)和支持向量機(SVM)進行了相關的介紹。由于手勢的多樣性以及圖像背景的復雜性，本文選擇單一特征最為強大的HOG特征。與其他特征相比，HOG特征對于手勢圖像的光線變化和小幅度旋轉(zhuǎn)方面有較強的魯棒性。將HOG特征與SVM結合起來，作為手勢的識別算法。實驗結果表明，HOG結合SVM的方法對手勢識別有較好的分類效果。
　

3、　在對手勢圖像分類訓練時，常用的HOG特征維數(shù)較高，包含大量的冗余信息，使得特征的提取算法較為復雜。為了克服這一不足，提出一種改進算法，引入了主成分析法(PCA)對HOG特征進行降維處理，形成PCA-HOG特征，并與LBP特征相融合形成新的PCA-HOG+LBP融合手勢特征。該融合特征既有手勢邊緣梯度信息，又有紋理特征信息，能有效彌補單一HOG特征的不足，提高手勢在遮擋情況下的識別率。最后用Jochen Triesch手勢庫中的手勢圖像