基于Kinect的手勢(shì)識(shí)別與多指手交互研究.pdf

1、基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別逐漸成為人機(jī)交互領(lǐng)域的熱點(diǎn)研究方向，其識(shí)別效果很大程度上取決于攝像機(jī)的分辨率、手勢(shì)分割和特征提取的方法以及分類識(shí)別方法的選擇。近年來(lái)，基于Kinect傳感器的手勢(shì)識(shí)別方法由于能夠?qū)⑹謩?shì)從復(fù)雜的背景分離且受光照影響較小以及能夠精準(zhǔn)對(duì)手勢(shì)運(yùn)動(dòng)跟蹤定位，在手勢(shì)識(shí)別中受到廣泛應(yīng)用。但目前Kinect傳感器在深度圖像的分辨率和顏色信息缺失以及對(duì)復(fù)雜手勢(shì)運(yùn)動(dòng)的識(shí)別等問(wèn)題上還需進(jìn)一步完善。本文針對(duì)上述問(wèn)題，對(duì)基于Kinect的

2、手勢(shì)識(shí)別進(jìn)行詳細(xì)分析。具體研究?jī)?nèi)容如下:
　　(1)針對(duì)深度圖像分辨率較低和圖像顏色信息缺失的問(wèn)題，提出一種基于深度信息和彩色信息融合的圖像分割方法。通過(guò)Kinect傳感器追蹤定位感興趣的手勢(shì)區(qū)域，進(jìn)行深度圖像彩色顯示，在YCbCr彩色空間中建立橢圓閾值模型對(duì)手勢(shì)分割圖像進(jìn)行二次分割，然后進(jìn)行后處理。
　　(2)為保證提取到分割圖像手勢(shì)的全部信息，提出一種Hu不變矩和HOG特征融合的特征提取方法。在提取全局變量Hu不變矩的7

3、個(gè)特征向量的同時(shí)提取帶有局部信息的HOG特征，通過(guò)實(shí)驗(yàn)測(cè)試，確定最優(yōu)的權(quán)值參數(shù)，從而實(shí)現(xiàn)了全局特征與局部特征的有效融合，然后進(jìn)行PCA降低維數(shù)，最后應(yīng)用SVM分類器進(jìn)行靜態(tài)手勢(shì)的分類識(shí)別。
　　(3)針對(duì)復(fù)雜運(yùn)動(dòng)手勢(shì)識(shí)別率不高問(wèn)題，提出一種HMM和D-S證據(jù)理論的動(dòng)態(tài)手勢(shì)識(shí)別方法。在原有HMM基礎(chǔ)上，采用手心軌跡不同時(shí)刻的切線角度和手勢(shì)變化作為復(fù)雜運(yùn)動(dòng)手勢(shì)的特征，對(duì)于軌跡切線角度通過(guò)量化編碼數(shù)來(lái)降低維數(shù)，然后完成HMM的參數(shù)模型訓(xùn)