基于計算機視覺的手勢識別技術(shù)研究.pdf

1、隨著我國計算機技術(shù)的迅猛發(fā)展，人們對計算機使用方便程度的要求越來越高，手勢作為一種自然而直觀的人際交流模式，已經(jīng)成為一種重要的人機交互方式?；谟嬎銠C視覺的手勢識別是實現(xiàn)新一代人機交互所不可缺少的一項關(guān)鍵技術(shù)。 手勢識別的研究可以提高計算機對人體語言的理解，通過計算機可以完成手勢和語音之間的轉(zhuǎn)換工作，從而實現(xiàn)聾人與聽力健康人之間無障礙的交流。然而，由于手勢本身具有的多樣性、多義性、以及時間和空間上的差異性等特點，加之人手是復(fù)雜變

2、形體及視覺本身的不適定性，因此基于計算機視覺的手勢識別是一個極富挑戰(zhàn)性的研究課題。 本文在深入研究和分析了手勢識別系統(tǒng)的原理、關(guān)鍵技術(shù)以及目前存在的問題的基礎(chǔ)上，闡述了手勢識別系統(tǒng)中的常用方法并剖析了算法的優(yōu)缺點；重點研究了手勢分割、靜態(tài)手勢識別、動態(tài)手勢識別等關(guān)鍵技術(shù)；針對單一膚色模型的分割方法容易受到類膚色干擾的問題，在綜合分析和統(tǒng)計實驗的基礎(chǔ)上，利用YCbCr和Nrg膚色模型的互補性以及背景模型能有效去除背景中的類膚色等特

3、點，提出并實現(xiàn)了一種將YCbCr膚色模型、Nrg膚色模型以及背景模型的多特征相融合的分割方法，有效地解決了膚色干擾問題；在對常用識別算法進行深入研究基礎(chǔ)上，結(jié)合傅立葉描述子具有較好的輪廓描述能力和BP神經(jīng)網(wǎng)絡(luò)較強的自學(xué)習(xí)能力，提出并實現(xiàn)了基于傅立葉描述子-BP神經(jīng)網(wǎng)絡(luò)的方法，通過實驗證明該方法對不同人的手勢識別具有較好的魯棒性；在剖析了DHMM識別率低但識別速度快以及CHMM的識別率高但識別速度慢等特點的基礎(chǔ)上，提出了以SCHMM模型作