基于視覺的手指語識別系統(tǒng)研究.pdf

1、手指語是聾啞人之間正常交流溝通的語言，傳統(tǒng)的手指語需要人工翻譯，存在效率低、不便捷等缺點。隨著科學(xué)技術(shù)的發(fā)展，手指語識別成為了計算機視覺領(lǐng)域的研究熱點之一。手指語識別以人機交互平臺為基礎(chǔ)，改善了傳統(tǒng)手指語的一些缺點，提高了聾啞人與外界交流的效率，具有十分廣闊的應(yīng)用前景，因此，對手指語識別進行研究具有重要意義。
　　手指語識別技術(shù)分為基于數(shù)據(jù)手套和基于視覺的兩種研究方法，隨著計算機人機交互技術(shù)快速發(fā)展，基于視覺的手指語識別技術(shù)具有速

2、度快，效率高等特點，更便于聾啞人交流。本文主要基于OpenCV開源庫，采用手勢分割跟蹤、圖像預(yù)處理、SVM識別的方法來對手指語進行識別，本文的主要研究工作如下：
　　(1)提出了一種手勢分割算法：對幀間(或三幀間)差分法和背景差分中的靜態(tài)、動態(tài)背景建模方法進行對比。通過分析這五種算法的優(yōu)缺點，同時根據(jù)實際環(huán)境進行手勢分割實驗，提出了一種結(jié)合codebook背景建模和HSV顏色空間模型的算法來進行手勢分割。實驗結(jié)果表明，該算法能夠有

3、效地分割出手勢區(qū)域。
　　(2)對傳統(tǒng)的Meanshift跟蹤算法和Camshift跟蹤算法進行了實驗分析。針對Meanshift算法跟蹤窗口不能自適應(yīng)以及Camshift算法跟蹤缺少預(yù)測機制而導(dǎo)致遮擋情況下容易丟失目標(biāo)的缺點，提出了一種結(jié)合Kalman濾波器預(yù)測機制的Camshift跟蹤算法用于處理遮擋干擾。實驗結(jié)果表明，該算法能夠更好地跟蹤預(yù)測手勢的位置。
　　(3)對分割的手勢區(qū)域進行中值平滑去噪以及形態(tài)學(xué)處理，通過O

4、stu閾值化等處理得到滿足要求的手勢圖像，采用8鄰域的方法提取手勢的連續(xù)輪廓，方便后續(xù)的手勢特征提取工作。
　　(4)提出了一種手勢特征提取的算法：選擇Hu不變矩特征作為本文手勢輪廓的整體特征，傅里葉描述子特征作為細節(jié)特征，將兩種特征組合成手勢特征向量。實驗結(jié)果表明，該算法對區(qū)分不同的手指語手勢有著良好的效果。
　　(5)對于提取到的手勢特征，提出了采用支持向量機（SVM）的分類識別方法，通過對SVM原理的分析、核函數(shù)的選取