基于視覺的手勢識別技術(shù)研究.pdf

1、專業(yè)學位碩士學位論文基于視覺的手勢識別技術(shù)研究StudyonVision—basedHandGestureRecognition學31209025陳掛副熬援大連理工大學DalianUniversityofTechnology大連理工大學專業(yè)學位碩士學位論文摘要手勢識別是計算機“以人為中心”的產(chǎn)物，通過識別視頻圖像中人的手勢，完成計算機中的一些特定的操作。與傳統(tǒng)的輸入設備(鍵盤、鼠標等)相比較，手勢具有易操作、自然和友好等優(yōu)點，使得手勢識

2、別成為了人機交互系統(tǒng)研究的一大熱點。目前國內(nèi)外的學者們都致力于這個領(lǐng)域的研究，也為人們的生活帶來了許多的便捷，但是由于手勢識別系統(tǒng)的復雜性，這個領(lǐng)域仍然有許多需要攻克的難關(guān)。本文針對基于視覺的手勢識別模型，建立了兩個不同的系統(tǒng)：基于SVM的手勢識別系統(tǒng)和基于深度學習的手勢識別系統(tǒng)，圍繞這兩個系統(tǒng)，并且分別針對不同的情況，對兩個系統(tǒng)的實驗結(jié)果進行了相應的比較和分析。本文圍繞手勢識別系統(tǒng)，所做的主要工作如下：(1)通過對輸入視頻圖像進行去噪

3、、圖像光平衡、圖像分割、圖像二值化和圖像輪廓提取等數(shù)字圖像處理操作，實現(xiàn)了對手勢的精確分割，為后續(xù)手勢圖像的處理打下了良好的基礎(chǔ)。(2)提出了將幀間差分與膚色信息相結(jié)合的手勢檢測方案，能夠?qū)崟r且準確的定位手勢的初始位置，然后利用Camshift算法對手進行實時的跟蹤，減少計算量的同時，減少了周圍環(huán)境因素的干擾，整體提高了系統(tǒng)效率。(3)構(gòu)建了基于SVM的手勢識別系統(tǒng)，在此系統(tǒng)中，用Hu不變矩、傅里葉描述子和手勢空間區(qū)域特征組成了一個20

4、維的向量作為手勢特征，得到了較高的識別率。同時，為了與基于深度學習的手勢識別系統(tǒng)進行對比，在SVM系統(tǒng)中，還測試了只有Hu不變矩為特征時的手勢識別率。(4)將深度學習應用到手勢識別當中，構(gòu)建了基于深度學習的手勢識別系統(tǒng)，該系統(tǒng)還運用了兩種不同的模式，一種是直接輸入二值化的圖像進行訓練、分類，另一種是提取手勢的Hu不變矩特征，將深度學習作為分類器使用。將這兩種模式得到的分類結(jié)果分別與SVM的結(jié)果進行了比較。關(guān)鍵詞：手勢識別；手勢檢測跟蹤；