序列圖像中動(dòng)態(tài)手勢(shì)跟蹤與建模方法研究.pdf

1、隨著計(jì)算機(jī)軟、硬件技術(shù)的迅猛發(fā)展及廣泛應(yīng)用,人與計(jì)算機(jī)之間的交互活動(dòng)也越來越密切。手勢(shì)這一人與人之間除自然語言外最重要的人際交流方式也被引入人機(jī)交互中,使得人與計(jì)算機(jī)之間的交互以一種更加自然而直觀的方式進(jìn)行。本文從自然人機(jī)交互的需求出發(fā),對(duì)復(fù)雜背景下序列圖像中的靜態(tài)手形提取、動(dòng)態(tài)手勢(shì)建模及特征提取、動(dòng)態(tài)手勢(shì)跟蹤識(shí)別進(jìn)行了研究。并在此基礎(chǔ)上,實(shí)現(xiàn)了從攝像頭輸入的5種鼠標(biāo)手勢(shì)的識(shí)別,以此來驗(yàn)證論文算法的正確性與有效性。
　　 本研究

2、針對(duì)復(fù)雜背景下利用單一線索對(duì)靜態(tài)手形提取不準(zhǔn)確的缺陷,提出了一種結(jié)合手勢(shì)膚色、運(yùn)動(dòng)、輪廓等多線索的靜態(tài)手形提取方法。該方法利用HSV顏色空間的H、S分量以及YCbCr顏色空間的Y分量實(shí)現(xiàn)了光照變化條件下手勢(shì)的膚色檢測(cè),并且利用幀差分法進(jìn)行運(yùn)動(dòng)檢測(cè)去除類膚色背景,最后融合膚色、運(yùn)動(dòng)、輪廓等多種線索實(shí)現(xiàn)了復(fù)雜背景下靜態(tài)手形的準(zhǔn)確提取。為了解決傳統(tǒng)Mean shift算法在復(fù)雜背景和光照變化等情形下存在跟蹤不穩(wěn)定、跟蹤失敗無法恢復(fù)等問題,提出

3、了一種融合手勢(shì)膚色和結(jié)構(gòu)等多特征的魯棒的Mean shift手勢(shì)跟蹤算法。該算法將膚色檢測(cè)和幀差分法相結(jié)合形成目標(biāo)檢測(cè)模塊,實(shí)現(xiàn)了跟蹤初始化時(shí)可自動(dòng)檢測(cè)目標(biāo),同時(shí)可自動(dòng)根據(jù)跟蹤結(jié)果來確定目標(biāo)手勢(shì)矩形域。經(jīng)與傳統(tǒng)Mean shift算法對(duì)比實(shí)驗(yàn)分析,該算法提高了手勢(shì)跟蹤的準(zhǔn)確性和穩(wěn)定性。當(dāng)手勢(shì)快速運(yùn)動(dòng)及遮擋等導(dǎo)致跟蹤失敗時(shí),可利用目標(biāo)檢測(cè)恢復(fù)跟蹤,提高了跟蹤的連續(xù)性。針對(duì)動(dòng)態(tài)手勢(shì)模型的準(zhǔn)確性和使用速度不協(xié)調(diào)的矛盾,提出了一種動(dòng)態(tài)手勢(shì)建模及