基于計算機(jī)視覺的手勢跟蹤與識別算法研究.pdf

1、基于計算機(jī)視覺的手勢識別是新一代的人機(jī)交互手段，有著重要的理論研究價值和應(yīng)用前景。本文對手勢圖像的預(yù)處理、特征提取、手勢的跟蹤與識別進(jìn)行了研究，并在MicrosoftVisualC++6.0環(huán)境下編程實現(xiàn)了對從攝像頭輸入的10個常用手勢的識別，并以此為基礎(chǔ)建立了一個簡單的手勢交互系統(tǒng)，以驗證算法的可行性。實驗結(jié)果表明，本文方法對目標(biāo)手勢的實時跟蹤有較好的魯棒性，且對手勢的識別取得了良好的效果。 首先從輸入視頻流中采集手勢圖像，經(jīng)

2、過預(yù)處理建立了手勢樣本庫。在手勢圖像特征提取階段，根據(jù)識別對象是交互手勢這一特點，本文采用Hu矩作為待識別手勢的特征，利用幾何矩不隨圖像旋轉(zhuǎn)、平移、尺度的變化而變化的特性，較好的解決了特征提取時的旋轉(zhuǎn)、尺度等不確定性問題。 在支持向量機(jī)(SVM)多分類方面，分析并驗證了“一對多”、“一對一”和決策有向無環(huán)圖等多分類算法應(yīng)用于手勢識別時的性能；并進(jìn)一步對SVM在手勢識別中的參數(shù)優(yōu)化進(jìn)行了研究和仿真實驗，實驗結(jié)果表明“一對多”徑向基

3、核函數(shù)的支持向量機(jī)算法在手勢識別中取得了理想的識別效果。此外，針對一個手勢樣本同時屬于多個類的錯分情況，本文提出將基于后驗概率的SVM多分類算法應(yīng)用于手勢識別，并對該算法進(jìn)行了仿真實驗。以概率作為手勢分類的輸出，在一定程度上減少了誤判情況的發(fā)生，最終測試樣本集的識別率為98.9％。 在算法應(yīng)用方面，本文對自定義的10個數(shù)字手勢的識別進(jìn)行了仿真實驗，并基于VC++6.0平臺編寫了Word數(shù)字錄入程序，將手勢識別應(yīng)用于人機(jī)交互中，實