视频图像中手势连续轮廓提取方法研究与实现

摘要

手势轮廓提取在计算机视觉领域中具有非常重要的地位，例如手势识别、手势三维建模都需要使用手势轮廓作为基础。一个连续、不含背景物体轮廓的手势轮廓是手识别或建模的重要前提。
　　本文分析了国内外对手势轮廓提取的研究现状，并分析传统的算法所存在的问题，发现目前存在的方法对背景的复杂程度、光照强度、肤色较为敏感，这些问题导致提取出来的手势轮廓是不连续、包含背景物体轮廓的。为了解决传统算法提取出来的手势轮廓存在的问题，本文深入地研究了手在图像中的定位和轮廓断点连接这两个问题。为了去除背景物体轮廓，本文从手腕、手掌、手指的定位出发，减少目标轮廓的搜索范围；为了使提取出来的轮廓是连续的，本文从分析断点所在曲线在该点的斜率和周围点的情况出发，以最优的方式连接断点。本文研究和使用了基于手指模型的定位算法，基于手腕-手掌模型的定位算法，GMM（Gaussian Mixture Model）定位算法，以及轮廓断点连接算法。
　　本论文所做工作如下：（1）基于手指模型的定位算法利用手指的几何特征（轮廓光滑、关于指尖有较好的对称性、指尖弯曲角度）在粗糙轮廓中搜索手指并定位手指。只要图像中存在手指，手指便可以很好地被识别出来，且该算法并不依赖于背景的复杂程度或是光照强度。（2）基于手腕-手掌的定位算法利用手腕和手掌的特征去搜索手腕和手掌部分，该算法精度高，只要图像中同时存在手腕和手掌，那么它们就可以很好地被搜索出来。（3）为了连接不连续的轮廓，本文提出了一种新型算法：连续轮廓提取算法。该算法对断点情况进行分类，根据不同的情况使用不同的策略进行连接。
　　为验证算法的效果，借助于OpenCV（Open Source Computer Vision Library）对算法进行测试和验证，并且与传统的轮廓提取算法如Sobel算子、Canny算子和最长轮廓提取算法提取的轮廓进行比较。测试和验证结果表明本文提出的算法所提取的手势轮廓是连续、不含背景物体轮廓的，且该算法具有较好的鲁棒性。

目录

声明

第1章 绪论

1 .1 研究背景及意义

1 .2 国内外研究现状及发展趋势

1 .3 本文主要创新点及主要研究内容

1 .4 本章小结

第2章 本论文算法结构

2 .1 本论文算法结构

2 .2基于手指模型的定位算法

2 .3 基于手腕-手掌模型的定位算法

2 .4 基于GMM的定位算法

2 .5本章小结

第3章基于手指模型的定位算法

3 .1 手指轮廓初步判断

3 .2确定手指轮廓

3 .3 实验结果与分析

3 .4 本章小结

第4章基于手腕-手掌模型的定位

4 .1 手腕-手腕特征搜索

4 .2 实验结果与分析

4 .4本章小结

第5章基于GMM的定位算法

5.1 GMM介绍

5.2 GMM定位原理

5 .3实验结果与分析

5 .4本章小结

第6章连续手势轮廓提取

6 .1 连续手势轮廓提取算法框架

6 .2 预处理

6 .3 连续手势轮廓提取算法

6 .4 实验结果与分析

6 .5 本章小结

第7章总结与展望

7 .1 总结

7 .2 展望

致谢

参考文献

附录：作者在读期间发表的学术论文及参加的科研项目