基于Hu矩和結(jié)構(gòu)特征的靜態(tài)手勢(shì)識(shí)別研究.pdf

1、在人機(jī)交互研究中，手勢(shì)因其直觀性和符合人們行為習(xí)慣等特點(diǎn)，增大了將它作為計(jì)算機(jī)輸入方式的可能性。手勢(shì)識(shí)別技術(shù)可以改變傳統(tǒng)人機(jī)交互的輸入方式，降低傳統(tǒng)輸入方式對(duì)外部設(shè)備的依賴(lài)。但是，由于同一手勢(shì)在不同的應(yīng)用背景下存在不同的解讀，且手部本身是一種極度柔軟的變形體，諸如此類(lèi)的難題都為手勢(shì)識(shí)別中特征的提取增加難度。
　　本文詳細(xì)論述了現(xiàn)有手勢(shì)識(shí)別技術(shù)的發(fā)展?fàn)顩r及其中相關(guān)技術(shù)要點(diǎn)，對(duì)手勢(shì)識(shí)別中指尖點(diǎn)檢測(cè)、特征提取等關(guān)鍵技術(shù)進(jìn)行了深入研究，應(yīng)

2、用抗形變特征和支持向量機(jī)相結(jié)合的手勢(shì)識(shí)別方法，通過(guò)預(yù)定義的五種手勢(shì)的識(shí)別效果來(lái)驗(yàn)證本文算法的有效性。
　　首先，在手勢(shì)數(shù)據(jù)采集階段，本文利用Kinect采集手勢(shì)視頻流中包含手勢(shì)深度信息的深度圖像數(shù)據(jù)；在手勢(shì)分割階段，利用深度信息和手心位置設(shè)定分割閾值，提高手勢(shì)分割的適應(yīng)性和魯棒性；再次，在特征提取階段，選用抗形變特征，以處理特征提取時(shí)手勢(shì)旋轉(zhuǎn)、尺度放縮、傾斜、手指彎曲等形變問(wèn)題；最后，在手勢(shì)識(shí)別階段，根據(jù)本文所采集樣本的實(shí)際情況選

3、擇徑向基核函數(shù)的 SVM作為本文的分類(lèi)器進(jìn)行識(shí)別測(cè)試。
　　本文的研究工作主要貢獻(xiàn)在于指尖檢測(cè)和特征提取這兩個(gè)部分：
　　1、提出CH-CD指尖檢測(cè)算法。根據(jù)凸包和手勢(shì)輪廓的交集對(duì)指尖點(diǎn)進(jìn)行粗檢測(cè)得到候選指尖點(diǎn)，再結(jié)合缺陷塊的點(diǎn)序列進(jìn)行細(xì)檢測(cè)以判定得到正確的指尖點(diǎn)。將本文的CH-CD算法與現(xiàn)有算法進(jìn)行量化比較，驗(yàn)證本文提出的CH-CD檢測(cè)算法的有效性，并將該算法用于描述本文的結(jié)構(gòu)特征；
　　2、提出一種靜態(tài)手勢(shì)特征提取