人機(jī)交互系統(tǒng)中動(dòng)態(tài)手勢識(shí)別的研究.pdf

1、在人機(jī)交互領(lǐng)域中，交互界面的友好性變得越來越重要。由于人主要依靠視覺從外界獲取信息，因此，人們希望計(jì)算機(jī)視覺在人機(jī)交互技術(shù)中也發(fā)揮重要作用。本文主要研究實(shí)時(shí)的基于視覺的動(dòng)態(tài)手勢識(shí)別系統(tǒng)，并將之應(yīng)用到“基于Internet遠(yuǎn)程機(jī)器人控制系統(tǒng)”項(xiàng)目和“基于PC平臺(tái)的AR系統(tǒng)”項(xiàng)目的人機(jī)交互部分。實(shí)踐結(jié)果證明，基于手勢的交互是一種自然而直觀的人機(jī)交流模式，它自然舒適，符合人與人之間的交流習(xí)慣。 本文對(duì)當(dāng)前手勢識(shí)別方法進(jìn)行了總結(jié)，分析了

2、各種方法的優(yōu)劣，指出提取魯棒的手勢特征和設(shè)計(jì)有效的分類器是手勢識(shí)別中的重點(diǎn)。 圖像中人手的自動(dòng)定位和提取是進(jìn)行手勢識(shí)別的首要條件，本文采用基于膚色的高斯模型與改進(jìn)的光流場跟蹤算法結(jié)合的方法，實(shí)現(xiàn)了復(fù)雜背景下實(shí)時(shí)快速的手勢跟蹤。該方法具有快速和準(zhǔn)確的特點(diǎn)，且具有較好的魯棒性。 對(duì)于動(dòng)態(tài)手勢的識(shí)別器，考慮到動(dòng)態(tài)手勢特征本身的一些特點(diǎn)，本文采用隱馬爾可夫模型(HMM，HiddenMarkovModel)作為訓(xùn)練識(shí)別算法，并將識(shí)

3、別系統(tǒng)應(yīng)用于基于Internet遠(yuǎn)程機(jī)器人控制系統(tǒng)中。 標(biāo)準(zhǔn)HMM優(yōu)化的目標(biāo)只是使單個(gè)HMM的似然最大，導(dǎo)致HMM的類間判別能力較弱。而目前流行的支持向量機(jī)(SVM)方法具有強(qiáng)分類能力，但不能對(duì)變長的特征向量進(jìn)行處理。為了提高手勢識(shí)別率，本文總結(jié)了目前SVM與HMM結(jié)合的方法，將結(jié)合方法分為SVM概率輸出與級(jí)聯(lián)兩類，并分析了兩種方法的適用范圍。本文采用級(jí)聯(lián)的方法作為手勢識(shí)別算法，并將之應(yīng)用到基于PC平臺(tái)的AR系統(tǒng)中，實(shí)現(xiàn)了人與機(jī)