用于空调控制的手势识别研究

摘要

作为人机交互领域的一项关键技术，手势识别引起越来越多研究人员的关注。基于视觉的手势识别自然方便灵活。近年来，带有手势识别功能的智能家电，体感游戏机等相继出现，在给人们提供方便生活的同时，也给生活增添了一些乐趣。然而，手势识别目前仍面临诸多问题，这些用于智能家电中的手势识别精度并不高，不能完全替代遥控器、鼠标等，且价格昂贵，不利于推广。因此，我们采用JVC TK-C1480BEC型号的CCD摄像头拍摄实用场景下的手势图像，针对实际应用中的相关问题进行探讨和研究。
　　本研究主要内容包括：⑴图像采集：利用TK-C1480BEC普通摄像头在不同时间段、不同天气(晴天、阴天等)等条件下采集了12种手势2000多张实际场景中手势图片。⑵手势分割：分析了目前肤色分割常用的颜色空间和检测模型，结合实际环境中采集到的肤色点，分别用椭圆模型，简单阈值结合单高斯模型和基于SVM的8邻域的肤色检测方法对采集到的手势图像进行肤色检测，通过对结果进行比较分析，最后确定采用简单阈值联合单高斯模型进行手势分割。⑶特征提取与识别：通过对手势特征的研究，尤其对梯度方向直方图(HOG)和局部自相似描述符(LSS)两种特征进行了深入研究，提出了两种特征提取改进方法。⑷针对实际应用中提取HOG手势局部特征容易引入背景纹理，提出基于肤色相似度的改进的梯度方向直方图的手势特征提取方法，并分别利用支持向量机(SVM)、稀疏表示(SRC)和最近邻(NN)三种分类方法对基于 HOG， SCHOG和改进的HOG手势特征进行手势识别。分别对实际拍摄的12种手势图像和Marcel手势库中的6种手势图片上进行了建模识别。实验结果表明不论采用哪种识别方法，基于改进的 HOG手势特征都具有更高的正确识别率；相同的手势特征下，SVM识别方法比SRC和NN有更好的性能。⑸根据手势图像中肤色在YCbCr颜色空间的分布特点，提出了改进的自相似性描述符(改进 LSS)。基于LSS特征和改进 LSS特征，分别建立 SVM、SRC和NN手势识别模型。针对实际拍摄的12种手势图像和Marcel手势库中的6种手势图片进行手势识别，结果表明，同种分类方法下，改进的LSS手势特征比LSS手势识别率高；同种特征下，SVM有更好的正确识别率。⑹手势识别方案：不仅设计了单张图片的手势识别方案；而且针对图像序列制定了手势对空调控制的规则，基于该规则，设计了手势图像序列的手势识别方案。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的背景和意义

1.2 手势识别国内外研究现状

1.3 研究内容和文章组织结构

2 肤色分割

2.1 颜色空间

2.2 肤色特征选取

2.3 肤色检测模型

2.4 肤色块定位

2.5 本章小结

3 手势特征提取与识别

3.1 改进HOG的手势特征提取

3.2 基于改进HOG的手势识别

3.3 基于改进LSS的手势识别

3.4 识别模型的选择

3.5 本章小结

4 手势识别方案设计

4.1 整张图像的手势识别

4.2 图像序列的手势识别

4.3 本章小结

5 总结与展望

5.1 论文总结

5.2 工作展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢