基于自適應(yīng)活動(dòng)輪廓模型的手勢(shì)跟蹤方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，基于計(jì)算機(jī)視覺(jué)的智能控制與人機(jī)交互得到越來(lái)越多人的關(guān)注。能夠滿足人們大量數(shù)據(jù)交互需求的新型人機(jī)交互技術(shù)是未來(lái)計(jì)算機(jī)發(fā)展的趨勢(shì)之一。手勢(shì)跟蹤與識(shí)別作為便捷的、自然的人機(jī)交互手段，其重要性也越來(lái)越明顯。
　　 本文從智能控制與人機(jī)交互的角度出發(fā)，研究了基于自適應(yīng)活動(dòng)輪廓模型的手勢(shì)跟蹤技術(shù)。論文從手勢(shì)檢測(cè)與分割、手勢(shì)跟蹤、模型更新及結(jié)果預(yù)測(cè)和自適應(yīng)活動(dòng)輪廓的實(shí)時(shí)跟蹤等方面進(jìn)行了研究。論文的具體研究工作有以下幾

2、點(diǎn)：
　　 1.針對(duì)現(xiàn)有手勢(shì)檢測(cè)不準(zhǔn)確、手勢(shì)分割偏差等問(wèn)題，提出一種基于橢圓膚色模型的手勢(shì)檢測(cè)與分割方法。該方法首先將YCbCr顏色空間中的膚色分布投影到CbCr空間中，利用膚色投影在該空間近似橢圓的特性檢測(cè)膚色區(qū)域；然后，結(jié)合基于運(yùn)動(dòng)信息的幀間差分方法對(duì)手勢(shì)進(jìn)行檢測(cè)并分割；最后，利用Canny算子提取手勢(shì)輪廓。仿真實(shí)驗(yàn)表明：該方法在復(fù)雜的場(chǎng)景環(huán)境下進(jìn)行手勢(shì)分割能夠取得較好的效果。
　　 2.針對(duì)實(shí)時(shí)條件下對(duì)手勢(shì)進(jìn)行跟蹤

3、所面臨的周圍環(huán)境中相同膚色及微小運(yùn)動(dòng)對(duì)跟蹤效果產(chǎn)生較大影響的問(wèn)題，本文提出一種將混合高斯模型與MeanShift算法相結(jié)合的手勢(shì)精確跟蹤方法。該方法首先利用混合高斯模型對(duì)周圍背景進(jìn)行建模，然后利用背景差分法獲取手勢(shì)的圖像，并對(duì)手部膚色進(jìn)行建模，自動(dòng)獲取跟蹤目標(biāo)，最后利用MeanShift算法對(duì)獲取的手勢(shì)進(jìn)行跟蹤。仿真實(shí)驗(yàn)表明：本文提出的方法在復(fù)雜環(huán)境下對(duì)手勢(shì)進(jìn)行跟蹤，取得了很好的效果，跟蹤效率明顯提高。尤其在手勢(shì)發(fā)生形變的時(shí)候，本文算法

4、表現(xiàn)出較強(qiáng)的穩(wěn)定性。
　　 3.針對(duì)跟蹤過(guò)程中目標(biāo)模型會(huì)產(chǎn)生變化影響跟蹤結(jié)果的問(wèn)題，本文提出一種基于MeanShift的手勢(shì)模型更新與結(jié)果預(yù)測(cè)的方法。該方法首先利用背景差分與膚色檢測(cè)結(jié)合的方式檢測(cè)并獲取手勢(shì)模型，然后利用MeanShift算法對(duì)手勢(shì)進(jìn)行跟蹤并對(duì)手勢(shì)模型進(jìn)行更新，最后利用Kalman算法對(duì)手勢(shì)跟蹤結(jié)果進(jìn)行預(yù)測(cè)。仿真實(shí)驗(yàn)表明：該方法減少了周圍環(huán)境對(duì)手勢(shì)跟蹤過(guò)程的影響，跟蹤效果較好。
　　 4.針對(duì)手勢(shì)跟蹤過(guò)程

5、中手勢(shì)變化及形變會(huì)影響手勢(shì)跟蹤結(jié)果等問(wèn)題，本文提出一種基于水平集的自適應(yīng)活動(dòng)輪廓模型的手勢(shì)跟蹤方法。該方法首先利用橢圓膚色模型與幀間差分方法對(duì)手勢(shì)進(jìn)行檢測(cè)與分割，然后利用分割結(jié)果對(duì)水平集初始化并對(duì)水平集進(jìn)行迭代更新，最后利用Kalman算法對(duì)手勢(shì)輪廓進(jìn)行跟蹤。仿真實(shí)驗(yàn)表明：該方法能夠?qū)κ謩?shì)輪廓進(jìn)行很好的跟蹤。
　　 5.在VC++6.0的基礎(chǔ)上，利用OpenCV視覺(jué)庫(kù)實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的實(shí)時(shí)手勢(shì)跟蹤系統(tǒng)。該系統(tǒng)自動(dòng)分割并且選取手勢(shì)作