基于視覺的動(dòng)態(tài)手勢跟蹤與軌跡識(shí)別研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展,符合人際交流習(xí)慣的手勢識(shí)別成為人機(jī)交互中的一項(xiàng)關(guān)鍵技術(shù),基于視覺的手勢識(shí)別是當(dāng)前涉及圖象處理、模式識(shí)別、計(jì)算機(jī)視覺等領(lǐng)域的一個(gè)比較活躍的課題.由于手勢本身具有的多樣性、多義性以及時(shí)間和空間上的差異性等特點(diǎn),使此方向研究成為一個(gè)極富挑戰(zhàn)性的多學(xué)科交叉研究課題.該文主要研究復(fù)雜背景下的手勢跟蹤以及軌跡識(shí)別,手勢跟蹤就是從圖像中識(shí)別出手及其運(yùn)動(dòng),軌跡識(shí)別則是按照某種規(guī)則識(shí)別出手勢表達(dá)的含義.該文提出了一種基于顏色概率

2、模型并融合運(yùn)動(dòng)信息進(jìn)行手勢跟蹤的新方法,即改進(jìn)的CAMSHIFT算法,其基本思想是:將圖像序列通過一個(gè)膚色概率查找表轉(zhuǎn)換為膚色概率分布圖,結(jié)合運(yùn)動(dòng)信息和膚色概率分布,初始化一個(gè)搜索窗的大小和位置,然后對膚色概率分布圖進(jìn)行迭代運(yùn)算,定位出手勢的位置和大小,根據(jù)計(jì)算膚色概率分布圖中手勢區(qū)域的2階矩,最終確定感興趣區(qū)域的長度和寬度.實(shí)驗(yàn)表明,該文提出的算法提高了抗噪性能,避免了錯(cuò)誤跟蹤,并且跟蹤準(zhǔn)確精細(xì).該文還給出了實(shí)時(shí)手勢跟蹤系統(tǒng)的實(shí)現(xiàn),并

3、對其做了性能測試.動(dòng)態(tài)軌跡識(shí)別主要有兩個(gè)難點(diǎn):第一是手勢分割的模糊性,即如何在人手運(yùn)動(dòng)軌跡中選取手勢的起始點(diǎn)與結(jié)束點(diǎn);第二是手勢的時(shí)空易變性,即手勢軌跡不但空間上不同而且持續(xù)時(shí)間也不相同,即使是同一種手勢.該文使用從左到右(left-to-right)的離散隱馬爾可夫模型(DHMM)對手勢軌跡進(jìn)行建模、訓(xùn)練及識(shí)別.為了有效區(qū)分未定義手勢與已定義手勢,該文在文獻(xiàn)[8]基礎(chǔ)上提出了一種改進(jìn)的閾值模型方法,較好的解決了這個(gè)問題,并給出了一種從