手势识别引擎系统中的静态手势识别算法研究

摘要

人机交互已经成为现代生活中的重要组成部分，随着计算机技术的发展，人们对人机交互方式有了更高的需求，使得符合人类交互习惯的人机交互方式如包括语音识别、手势识别等领域的研究越来越受到人们的重视。自然的手势给人类之间交流提供了一种便捷的手段，人们可以利用人的手掌的形状及手的运动及变化的轨迹等信息来表达一些复杂的感情和意义。因此，研究基于手势识别的人机交互系统既具有理论意义，还具有实际应用价值。
　　研究人机交互引擎系统中的静态手势识别的基本流程和算法实现，针对在复杂背景中手势图像分割效果不好的问题，设计了一种基于人脸肤色采样YCbCr空间的高斯模型结合运动模板的手势分割算法。针对传统手势特征提取算法中仅仅使用手势图像的单一特征的局限性问题，采用HOG和Hu矩的融合特征作为手势图像提取的特征，有效地提高了手势提取算法的鲁棒性。针对特征维数过高导致计算量大的问题，使用了主成分分析法对特征向量进行降维处理，从而降低了算法计算的复杂度，最后使用SVM分类实现对掌、拳、大拇指及食指等四个静态手势的识别，经过实验验证，结果表明该算法具有较高的手势识别率和稳定性。
　　在研究静态手势识别算法的基础上，实现了一种高效及稳定的静态手势识别算法，并将该算法应用到手势识别引擎系统。该系统能实时地识别人体的手势，将所识别的手势解析为计算机可以理解的鼠标或者键盘事件，实现了对俄罗斯方块游戏的控制，从而达到了人机交互的目的。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的研究背景、目的和意义

1.2 国内外研究现状

1.3 本文主要研究内容

1.4 本文的组织结构

2 图像处理基础理论

2.1 图像色彩空间

2.2 图像预处理

2.3 图像分割

2.4 本章小结

3 静态手势识别算法研究

3.1 静态手势识别基本流程

3.2 手势图像分割

3.3 手势图像特征提取

3.4 手势图像分类

3.5 本章小结

4 手势引擎系统中静态手势识别算法的实现

4.1 静态手势识别算法设计

4.2 手势图像分割算法实现

4.3 融合HOG和Hu特征的PCA结合SVM分类算法实现

4.4 实验及结果分析

4.5 静态手势识别应用

4.6 本章小结

5 结束语

5.1 总结

5.2 后续工作

致谢

参考文献