基于視覺的仿人機器人手勢識別技術及硬件實現.pdf

1、為提高仿人機器人的交互性、協作性和學習能力，需對仿人機器人進行多通道交互行為研究。這些研究包括語音識別、人臉識別、面部表情識別、唇讀、頭部運動跟蹤、手勢識別以及體勢識別等，其中基于視覺的手勢識別以其直觀，自然的特點受到眾多學者的關注。目前一些比較有效的手勢識別算法所耗費的計算資源一般都超出了機器人應用中所能容忍的上限，因此本文考慮到靜態(tài)手勢識別算法的時間復雜度和空間復雜度，提出了一個適用于機器人控制和交互的靜態(tài)手勢識別系統(tǒng)。 本

2、文分硬件和算法兩大部分對仿人機器人手勢識別系統(tǒng)進行了詳細論述。 硬件系統(tǒng)部分首先簡要說明了系統(tǒng)框架和仿人機器人視覺硬件平臺的特點，然后詳細講述了電機控制板的設計方法與性能，最后討論了電機的控制方法。本文開發(fā)的基于DSP TMS320F2812的電機控制板，主頻高，外設豐富，擴展方便，可以采用復雜的控制算法精確地同時控制多個舵機，彌補舵機和攝像頭本身性能的不足。 算法部分分為手勢定位、手勢跟蹤、手勢分割和手勢識別四個部分。

3、 (1) 同時采用時間差分運動檢測算法和R-G膚色檢測算法給手勢定位，可快速較準確地定位手的初始質心位置，為手勢跟蹤的Camshift算法提供比較準確的初始值。 (2) 為排除復雜背景中的膚色干擾，本文引入了光流跟蹤法，用于校正Camshift算法的輸出結果。實驗表明，結合Camshift算法和光流的跟蹤算法，能夠很好地處理復雜背景下的跟蹤問題。 (3) 手勢分割采用了在感興趣的區(qū)域內進行顏色分割的方法，可以較好

4、地減小復雜背景中大部分的膚色干擾。顏色分割首先采用了H閾值法，然后對二值圖像進行形態(tài)濾波，可減小外界干擾，接著采用The-Chin鏈逼近算法尋找圖像的最大輪廓，最后填充最大輪廓包圍的區(qū)域，得到了手勢分割的最終結果。 (4) 手勢識別時，選取圖像Hu矩的四個不變矩分量為特征量，利用馬氏距離進行分類，用該距離值代表待識別手勢和模板手勢的相似度，識別結果取與最小距離值對應的模板手勢。 實驗結果表明，最終實現的系統(tǒng)各項性能指標達