基于稀疏表示的手势识别及多指手交互研究

摘要

基于视觉的手势识别符合人的自然交流习惯，并且可以进行远距离、非接触的交互，成为人机交互研究中的热门方向，其中识别效果很大程度上取决于识别算法的性能。近年来，基于稀疏表示的识别方法由于具有良好的鲁棒性和识别效果，在模式识别中备受关注，但目前稀疏求解算法在精度和计算复杂度等问题上还需进一步完善。本文针对上述问题，对稀疏表示分类算法进行详细分析和改进，具体的研究内容如下:
　　(1)在YCbCr彩色空间中建立椭圆模型对手势图像进行分割，并采用形态学处理消除噪声点，提取手势图像的Hu不变矩和HOG特征，并采用PCA降维。
　　(2)针对OMP算法及其改进算法存在精度低，参数不确定的问题，提出改进的自适应正交匹配追踪算法，该算法引入稀疏度估计和变步长思想来实现稀疏度的逼近。实验结果表明，该算法的识别率高于其他改进的OMP算法，计算时间也明显小于OMP算法和SAMP算法，尤其在样本较多，维数较高时具有明显优势。
　　(3)针对基于l1范数求解算法存在计算复杂度高的问题，提出l2范数局部稀疏表示分类算法，该算法引入局部稀疏表示思想，采用最小化l2范数选择局部字典。实验结果表明，该算法在保证识别率的同时有效降低了算法的计算时间，并且性能优于KNN-SRC算法。
　　(4)为实现人机交互，首先建立多指手及其控制模型，然后编写手势识别界面，最后设定相关参数进行手势识别，将识别结果转化为控制命令，控制多指手实现相应的抓取动作。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 手势识别的国内外研究现状

1．2．2 稀疏表示分类的国内外研究现状

1．3 本文的研究内容

第2章 手势图像的预处理

2．1 手势图像的分割

2．1．1 彩色空间的选取

2．1．2 肤色模型的建立

2．1．3 手势图像的形态学处理

2．2 手势图像特征的提取

2．2．1 Hu不变矩的提取

2．2．2 HOG特征的提取

2．3 特征数据的降维

2．4 本章小结

第3章 基于改进自适应正交匹配追踪算法的手势识别

3．1 基于稀疏表示的手势识别分类算法

3．1．1 稀疏表示分类算法的原理

3．1．2 分类有效性的判别

3．2 改进的正交匹配追踪算法

3．2．1 正交匹配追踪算法概述

3．2．2 改进的自适应正交匹配追踪算法

3．3 手势识别实验结果的仿真分析

3．3．1 手势样本库的建立

3．3．2 参数选择对MAOMP算法性能的影响

3．3．3 算法的性能比较

3．4 本章小结

第4章 基于l2范数局部稀疏表示分类算法的手势识别

4．1 局部稀疏表示思想

4．2 局部稀疏表示分类算法

4．2．2 l2范数局部稀疏表示分类算法

4．3 手势识别实验结果的仿真分析

4．3．1 参数K对算法识别率的影响

4．3．2 算法的性能比较

4．4 本章小结

第5章 基于手势识别的多指手交互应用

5．1 多指手及其控制模型的建立

5．2 手势识别界面的设计

5．3 人手与多指手模型的交互

5．4 本章小结

第6章 全文总结与展望

6．1 全文总结

6．2 展望

致谢

参考文献

附录1 攻读硕士学位期间发表的论文

附录2 攻读硕士学位期间参加的科研项目