基于視覺的手勢(shì)識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、人工智能技術(shù)作為新的一波科技浪潮，正在改變世界。而人機(jī)交互作為人工智能的接口，越來越受到研究者們的重視。在現(xiàn)有的人機(jī)交互技術(shù)中，手勢(shì)識(shí)別是目前研究最為熱門的人機(jī)交互技術(shù)之一，它以其最接近人類交流和溝通的方式，必將成為未來交互技術(shù)中不可缺少的部分。手勢(shì)識(shí)別系統(tǒng)可以分為手勢(shì)建模、手勢(shì)分析和手勢(shì)識(shí)別三個(gè)模塊，并同時(shí)具有靜態(tài)手勢(shì)和動(dòng)態(tài)手勢(shì)識(shí)別的功能。
　　本文主要研究了基于視覺的手勢(shì)識(shí)別的關(guān)鍵技術(shù)，研究了基于優(yōu)化的SVM分類器的靜態(tài)手勢(shì)識(shí)

2、別系統(tǒng)和基于改進(jìn)動(dòng)態(tài)時(shí)間規(guī)劃算法的動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)。在靜態(tài)手勢(shì)系統(tǒng)構(gòu)建中，采集建立了具有3000張10種不同手勢(shì)的靜態(tài)手勢(shì)樣本庫(kù)，設(shè)計(jì)了一套基于特定環(huán)境的預(yù)處理模塊，提取和對(duì)比了靜態(tài)手勢(shì)中的Hu矩和其他幾何特征，并訓(xùn)練了基于支持向量機(jī)模型的靜態(tài)手勢(shì)分類器，通過網(wǎng)格遍歷的方式優(yōu)化了SVM分類器核函數(shù)的參數(shù)，取得了對(duì)靜態(tài)手勢(shì)測(cè)試樣本集90％以上的識(shí)別率，對(duì)實(shí)時(shí)靜態(tài)手勢(shì)80％左右的正確識(shí)別率，最后對(duì)比了不同特征和核函數(shù)參數(shù)對(duì)靜態(tài)手勢(shì)識(shí)別率的影

3、響。
　　在動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)的構(gòu)建中，本文主要采集和識(shí)別了7種不同的動(dòng)態(tài)手勢(shì)軌跡，在動(dòng)態(tài)手勢(shì)軌跡的識(shí)別中改進(jìn)了動(dòng)態(tài)時(shí)間規(guī)劃算法，縮小了最優(yōu)路徑的選擇范圍，設(shè)計(jì)了動(dòng)態(tài)手勢(shì)時(shí)間序列相似性的衡量標(biāo)準(zhǔn)，使動(dòng)態(tài)手勢(shì)識(shí)別時(shí)間平均減少24.8％。動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)包括靜態(tài)手勢(shì)識(shí)別技術(shù)，在動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)的構(gòu)建中，先在輸入信號(hào)中識(shí)別出需要跟蹤的目標(biāo)手勢(shì)，基于Kalman濾波模型，對(duì)目標(biāo)手勢(shì)進(jìn)行跟蹤，并獲得動(dòng)態(tài)手勢(shì)軌跡的時(shí)間序列，把運(yùn)動(dòng)軌跡的時(shí)間序列