人機(jī)交互中的手勢(shì)分割及識(shí)別關(guān)鍵技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)和互聯(lián)網(wǎng)的迅速普及，人機(jī)交互活動(dòng)逐漸成為人們?nèi)粘Ｉ畹闹匾M成部分。它在智能家居、智能企業(yè)辦公、醫(yī)院安全監(jiān)控、智能教育等領(lǐng)域得到了廣泛的應(yīng)用。它填補(bǔ)了人與電子設(shè)備之間互動(dòng)交流的空白。傳統(tǒng)的人機(jī)交互方式，比如鍵盤(pán)、鼠標(biāo)、遙控、觸摸屏等，都需要人去適應(yīng)機(jī)器，需要人按照預(yù)先設(shè)定的規(guī)范去操作，而現(xiàn)今技術(shù)的發(fā)展使得人機(jī)交互的方式有了更多的選擇?；谑謩?shì)識(shí)別的人機(jī)交互以直接操作為主，使人機(jī)交互技術(shù)從以機(jī)器為中心逐步轉(zhuǎn)移到以人為中心，符合人

2、的交流習(xí)慣。因此，基于機(jī)器視覺(jué)的手勢(shì)識(shí)別正逐漸被開(kāi)發(fā)和應(yīng)用于工程中。
　　本文的研究?jī)?nèi)容主要包括基于混合高斯模型的手勢(shì)分割算法以及基于深度卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)分類算法。本文首先介紹了手勢(shì)識(shí)別技術(shù)領(lǐng)域的研究背景及意義，并對(duì)十幾年來(lái)國(guó)內(nèi)外手勢(shì)識(shí)別算法的研究現(xiàn)狀進(jìn)行了充分的分析，對(duì)手勢(shì)識(shí)別算法應(yīng)用過(guò)程中遇到的問(wèn)題及改進(jìn)的措施進(jìn)行了詳細(xì)的描述。論文主要內(nèi)容包括以下幾個(gè)方面:
　　1.詳細(xì)的介紹了手勢(shì)識(shí)別過(guò)程中的一個(gè)難題，即手勢(shì)分割問(wèn)題

3、，并提出了基于混合高斯膚色模型的手勢(shì)分割方法，最終我們對(duì)方法進(jìn)行了充分的推導(dǎo)及有效性驗(yàn)證。
　　2.重點(diǎn)介紹了傳統(tǒng)的用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)模型，并搭建了用于手勢(shì)分類的端到端的深度卷積神經(jīng)網(wǎng)絡(luò)，詳細(xì)介紹了模型的結(jié)構(gòu)、參數(shù)、激活函數(shù)、代價(jià)函數(shù)、訓(xùn)練方法、測(cè)試流程等細(xì)節(jié)。對(duì)網(wǎng)絡(luò)搭建過(guò)程中超參數(shù)的選擇給出了指導(dǎo)性方案。
　　3.對(duì)手勢(shì)分割效果的驗(yàn)證。我們首先介紹了用于驗(yàn)證方法有效的室內(nèi)室外兩個(gè)條件下的手勢(shì)數(shù)據(jù)庫(kù)。對(duì)室內(nèi)數(shù)據(jù)庫(kù)進(jìn)行

4、了手勢(shì)分割效果的展示，然后對(duì)分割前后手勢(shì)的平均分類正確率進(jìn)行了對(duì)比。并且對(duì)比了多個(gè)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)框架的分類結(jié)果以說(shuō)明我們建立的模型的有效性。在室內(nèi)數(shù)據(jù)庫(kù)上，我們將手勢(shì)的分類正確率從85.2％提高到了98.6％;在室外條件下的國(guó)立新加坡大學(xué)公共手勢(shì)數(shù)據(jù)庫(kù)上面，我們將手勢(shì)的平均分類正確率從92.22％提高到了95.4％。最后，我們通過(guò)可視化分析深度卷積神經(jīng)網(wǎng)絡(luò)的卷積核及特征圖，了解深度卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程以及學(xué)習(xí)到的特征。
　　在