基于單目視覺的手勢檢測與跟蹤算法研究.pdf

1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費或?qū)嶒炇业馁Y助，在()實驗室完成。(請在以上括號內(nèi)填寫課題或課題組負(fù)責(zé)人或?qū)嶒炇颐Q，未有此項聲明內(nèi)容的，可以不作特別聲明。)聲明人(簽名)：于帕硼f3

2、年皇月2Et摘要摘要隨著時代的變遷和技術(shù)的進步，人類己不滿足于用鍵盤和鼠標(biāo)對計算機進行操作，因此人機交互技術(shù)就成為了當(dāng)下的研究熱門，而手勢交互就是其中最受關(guān)注的一個方向。手是人體最為靈活的部位，其所能夠表現(xiàn)出來的手勢是復(fù)雜多變的，這對手勢交互技術(shù)提出了很高的要求。手勢檢測和跟蹤作為手勢交互的前提和基礎(chǔ)，需要克服復(fù)雜環(huán)境中的種種干擾，準(zhǔn)確的定位出目標(biāo)手勢所在位置并獲得一系列連續(xù)的跟蹤軌跡，這是一個十分具有挑戰(zhàn)性的課題，值得不斷的深入研究。

3、針對當(dāng)前手勢交互技術(shù)的發(fā)展情況，本文擬研究復(fù)雜環(huán)境下的手勢檢測與跟蹤問題。這里的手勢檢測指的是手勢的第一幀自檢測。為了能夠在復(fù)雜環(huán)境下具有較高的魯棒性和準(zhǔn)確率，本文采用基于Haar1ike特征的AdaBoost分類器進行手勢檢測，檢測目標(biāo)為握拳手勢，檢測到的若干個待定目標(biāo)進一步結(jié)合時間和空間上的限制條件進行輔助判斷，最后得到一個滿足用戶交互意愿的跟蹤手勢。實驗結(jié)果表明該方法能夠在背景中存在手勢干擾的情況下準(zhǔn)確的鎖定目標(biāo)手勢。手勢跟蹤部分

4、的跟蹤對象同樣是固定手勢，采用TLD框架進行跟蹤。TLD算法其跟蹤魯棒性高，又有PN在線學(xué)習(xí)方法進一步提高跟蹤準(zhǔn)確率，但是運算量過大導(dǎo)致實時性不好。針對這一點，本文設(shè)計了一種實時性更高的算法BPTLD，通過對TLD中數(shù)據(jù)量最大的檢測模塊添加反向投影算法，提高了約20％的跟蹤速度。此外還可以根據(jù)手勢跟蹤的應(yīng)用場景按需優(yōu)化TLD的內(nèi)部參數(shù)。從BPTLD與其他手勢跟蹤算法HandVu和MSEPF的對比實驗中可以看出，在復(fù)雜環(huán)境和高速手勢的情況