基于單目視覺的靜態(tài)手勢識別系統(tǒng)研究.pdf

1、隨著計算機和信息科學技術的迅速發(fā)展，人機交互已經(jīng)成為人們日常生活的一個必不可少的重要組成部分。鑒于手勢具有直觀性、自然性的特點，手勢識別已經(jīng)成為人機交互領域中的重要組成部分，作為一項關鍵性技術，手勢識別已成為涉及圖像處理、模式識別、計算機視覺等領域一個熱點研究課題。將手勢作為人機交互的手段，在智能系統(tǒng)、機器人控制、多媒體教學、娛樂游戲、聾啞人溝通交流等領域擁有廣泛的應用前景。
　　本文設計并實現(xiàn)了基于單攝像頭下的靜態(tài)手勢識別系統(tǒng)。

2、能夠對26個英文字母進行識別。涉及到的領域包括圖像分割，特征點的提取以及手勢的訓練與識別。論文的主要工作包括:
　　1.分析了基于YCbCr顏色空間的膚色模型和基于運動信息模型的優(yōu)缺點，設計和實現(xiàn)了膚色和運動信息相結合的相鄰幀的自適應更新高斯建模算法，得到了較好的手勢分割效果。
　　2.提出了一種基于卷積神經(jīng)網(wǎng)絡（CNN）和多層感知器(MLP)的特征提取和識別算法，并且與傳統(tǒng)的特征提取方法:基于梯度的特征提取算法(HOG)、

3、基于局部紋理的特征提取算法(LBP)進行比較，實驗結果表明使用CNN和MLP的特征提取算法識別率為97.86％，比傳統(tǒng)CNN提高了5％左右，訓練模型的速度縮短約8倍;比HOG+MLP識別率高8％左右;比LBP+MLP高10％左右。
　　3.采用本文所提的特征提取算法，設計并實現(xiàn)了基于單攝像頭下的靜態(tài)手勢識別算法以及相應的演示系統(tǒng)，與其他兩種常用手勢識別方法(基于梯度的特征提取(HOG)和支持向量機(SVM)的方法，基于局部紋理的特