基于單目視覺(jué)的手勢(shì)跟蹤與識(shí)別算法研究.pdf

1、近年來(lái)，視頻圖像中的手勢(shì)跟蹤與識(shí)別技術(shù)已成為計(jì)算機(jī)視覺(jué)領(lǐng)域中備受關(guān)注的研究?jī)?nèi)容。手勢(shì)作為人們之間最自然、常見(jiàn)的交互方式之一，能生動(dòng)、形象和直觀的傳遞信息。基于視覺(jué)的手勢(shì)識(shí)別已在人機(jī)交互、虛擬現(xiàn)實(shí)、醫(yī)療診斷、手語(yǔ)識(shí)別等領(lǐng)域獲得了廣泛的應(yīng)用。本文研究基于單目視覺(jué)的手勢(shì)跟蹤與識(shí)別技術(shù)，主要內(nèi)容如下：
　　 首先，分析了運(yùn)動(dòng)區(qū)域檢測(cè)的常用方法，在此基礎(chǔ)上，采用減固定背景法實(shí)現(xiàn)了運(yùn)動(dòng)區(qū)域的快速檢測(cè)。研究了混合高斯膚色模型和橢圓邊界膚色模型

2、的特點(diǎn)，并對(duì)比分析了兩種模型。實(shí)驗(yàn)說(shuō)明，混合高斯膚色模型檢測(cè)效果優(yōu)于橢圓邊界膚色模型。將運(yùn)動(dòng)信息結(jié)合到膚色檢測(cè)算法，提高了手勢(shì)區(qū)域檢測(cè)速度。針對(duì)光照不均、陰影干擾和膚色相近噪聲造成手勢(shì)區(qū)域檢測(cè)的漏檢和誤檢現(xiàn)象，提出了一種改進(jìn)的手勢(shì)區(qū)域增長(zhǎng)算法。實(shí)驗(yàn)結(jié)果表明，結(jié)合該改進(jìn)算法能有效的分割出較完整、干凈的手勢(shì)區(qū)域。
　　 其次，分析了傳統(tǒng)Snake模型和GVF Snake模型兩種輪廓提取方法，采用了GVF Snake模型提取手勢(shì)輪廓曲

3、線，針對(duì)該模型對(duì)初始輪廓敏感及計(jì)算量大等問(wèn)題，給出了一種改進(jìn)算法。該算法基于角點(diǎn)檢測(cè)實(shí)現(xiàn)輪廓的初始化，將與手勢(shì)輪廓相似的封閉曲線初始化在手勢(shì)目標(biāo)附近，并采用在運(yùn)動(dòng)子區(qū)域上計(jì)算向量流代替在整幅圖像計(jì)算的方案，降低了模型迭代次數(shù)，提高了輪廓收斂準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法可較準(zhǔn)確、快速的提取手勢(shì)輪廓。
　　 最后，實(shí)現(xiàn)了基于卡爾曼濾波器的B樣條手勢(shì)輪廓跟蹤算法，該算法具有運(yùn)算快速的優(yōu)點(diǎn)，但存在只能跟蹤特定形狀的手勢(shì)輪廓，且對(duì)噪聲敏

4、感、易跟丟等問(wèn)題。為了解決這些問(wèn)題，分析了利用光流法跟蹤運(yùn)動(dòng)信息的原理，將稀疏光流跟蹤法與角點(diǎn)特征相結(jié)合，采用稀疏光流跟蹤輪廓上的角點(diǎn)特征，利用GVF Snake模型和角點(diǎn)信息捕獲完整手勢(shì)輪廓曲線后，用角點(diǎn)檢測(cè)算法更新角點(diǎn)信息，通過(guò)迭代的方式實(shí)現(xiàn)輪廓跟蹤。通過(guò)與一般的基于GVF Snake模型跟蹤算法實(shí)驗(yàn)對(duì)比表明，本文采用的結(jié)合角點(diǎn)特征和稀疏光流輪廓跟蹤算法能更完整、準(zhǔn)確的跟蹤手勢(shì)輪廓。在手勢(shì)識(shí)別上，采用了傅立葉輪廓描述算子建立手勢(shì)模式