基于DTW及光流法融合的動態(tài)手勢識別技術(shù)研究.pdf

1、隨著人機(jī)交互技術(shù)（HCI）的普及及興起，動態(tài)手勢識別技術(shù)越來越受到研究人員的重視，并逐漸成為人機(jī)交互領(lǐng)域的一項(xiàng)重要技術(shù)。研究動態(tài)手勢識別技術(shù)，不僅在理論研究中占據(jù)重要地位，而且在實(shí)踐應(yīng)用中也具有極高價值。
　　動態(tài)手勢識別技術(shù)主要由圖像預(yù)處理及分割、手形特征提取及學(xué)習(xí)、軌跡特征提取、動態(tài)時間歸整法（DTW，Dynamic Time Warping）訓(xùn)練與識別四部分組成。在手勢分割中，基于膚色的分割方法在相對簡單的背景下有著很好的分

2、割效果，然而當(dāng)背景變得復(fù)雜時，特別是圖像背景中存在類膚色區(qū)域時，該分割方法就會無法正確追蹤手部位置，從而導(dǎo)致分割效果不盡人意。因此，本文引入了一種質(zhì)心定位的方法，該方法通過對手部質(zhì)心的位置進(jìn)行預(yù)估判斷，從而較好地解決手部區(qū)域在運(yùn)動過程中的有效跟蹤問題。在動態(tài)手勢軌跡跟蹤過程中，由于手勢背景比較復(fù)雜且手的質(zhì)心受手形影響較大，基于質(zhì)心估計的軌跡跟蹤方法會出現(xiàn)不穩(wěn)定現(xiàn)象。針對此問題，本文引入了基于光流法的軌跡跟蹤方法。光流法不需要完全提取手部

3、區(qū)域，且跟蹤信息只取決于相鄰兩幀手勢圖像的相對運(yùn)動，具有不受復(fù)雜背景影響的優(yōu)點(diǎn)。在動態(tài)手勢識別過程中，原有DTW算法雖然訓(xùn)練簡單，但卻存在計算量大的缺陷。本文通過有效地控制兩組時間序列數(shù)據(jù)匹配范圍及匹配失真度對該算法進(jìn)行了優(yōu)化。本文主要創(chuàng)新點(diǎn)如下：
　?。?）本文引入了一種基于質(zhì)心定位的手勢分割方法。在復(fù)雜背景下，現(xiàn)存手勢分割方法的效果不盡人意，而本文引入的分割方法充分利用了手勢的運(yùn)動特性，該方法先采用膚色分割提取手部及臉部區(qū)域，

4、并基于手部質(zhì)心及其他區(qū)域（臉部）質(zhì)心的運(yùn)動特性，將手部分割出來。這種分割方法簡單高效，實(shí)驗(yàn)效果更好。
　?。?）本文引入了跟蹤效果更佳的迭代LK（Lucas-Kanade）金字塔光流跟蹤算法。該跟蹤算法通過手部關(guān)鍵位置的運(yùn)動變化來分析整個手勢的運(yùn)動軌跡，解決了原有質(zhì)心跟蹤方法所存在的缺陷。在質(zhì)心跟蹤方法中，質(zhì)心位置易受相似膚色目標(biāo)及手形變化的影響，而本文引入的光流法受背景影響較小，并且分析的圖像內(nèi)容也會減少，從而在不影響實(shí)時性的情