基于Kinect深度圖像的動(dòng)態(tài)手勢(shì)識(shí)別的研究.pdf

1、手勢(shì)作為人機(jī)交互當(dāng)中非常重要的一種交互方式，通過(guò)計(jì)算機(jī)從視頻中檢測(cè)手勢(shì)并跟蹤、識(shí)別，從而理解人的意圖，由于其自然、方便，更適合人類(lèi)自然的交互需求，應(yīng)用情景非常廣泛，已經(jīng)成為人機(jī)交互研究的熱點(diǎn)之一。
　　傳統(tǒng)的手勢(shì)識(shí)別技術(shù)主要包括基于佩帶設(shè)備的手勢(shì)識(shí)別和基于普通攝像頭的RGB計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別。基于佩帶設(shè)備的手勢(shì)識(shí)別是指利用數(shù)據(jù)手套或者三維設(shè)備進(jìn)行的手勢(shì)識(shí)別方法，限制了自然的人機(jī)交互?；谝曈X(jué)的手勢(shì)識(shí)別研究包含了很多算法，但是這些

2、方法在手勢(shì)分割時(shí)易受光照、背景和攝像頭特性等因素影響，導(dǎo)致識(shí)別率并不高，魯棒性較差。所以傳統(tǒng)的手勢(shì)識(shí)別技術(shù)應(yīng)用前景比較受限，本文研究了基于Kinect的動(dòng)態(tài)手勢(shì)跟蹤算法，能夠很好的解決以上這些問(wèn)題。
　　本文根據(jù)前人總結(jié)加上對(duì)Kinect的一些研究，研究了兩種已有的動(dòng)態(tài)手勢(shì)識(shí)別的方法，分別是基于擬合曲線(xiàn)的動(dòng)態(tài)手勢(shì)識(shí)別、利用軌跡的單調(diào)性進(jìn)行動(dòng)態(tài)手勢(shì)識(shí)別?；跀M合曲線(xiàn)的動(dòng)態(tài)手勢(shì)識(shí)別主要是針對(duì)提取出的手勢(shì)質(zhì)心進(jìn)行曲線(xiàn)擬合，在擬合之后使用

3、hu曲線(xiàn)矩進(jìn)行訓(xùn)練與分類(lèi)，這個(gè)算法的好處是計(jì)算效率高，但是識(shí)別率比較低。利用軌跡的單調(diào)性進(jìn)行動(dòng)態(tài)手勢(shì)識(shí)別則是通過(guò)每段軌跡的單調(diào)性的不同來(lái)區(qū)分不同的軌跡含義，這種算法的特點(diǎn)是針對(duì)曲線(xiàn)單調(diào)性變化不頻繁的手勢(shì)軌跡曲線(xiàn)有較好的識(shí)別效果，但是對(duì)于曲線(xiàn)單調(diào)性變化比較頻繁的識(shí)別率不是很好。通過(guò)總結(jié)以上兩種方法的優(yōu)缺點(diǎn)，本文提出了基于方向矢量量化方法的動(dòng)態(tài)手勢(shì)識(shí)別的研究方法?；诜较蚴噶苛炕椒ǖ膭?dòng)態(tài)手勢(shì)識(shí)別是采用Camshift算法進(jìn)行手勢(shì)質(zhì)心提取，