论文部分内容阅读
随着人工智能研究及应用的不断发展与成熟,其重要研究分支人机交互技术也逐渐从传统的接触式向非接触式、界面式向自然式发展,如基于听觉的语音识别技术和基于视觉的图像识别技术。但相比语音信号,图像信号更具稳定性,可以承载更丰富的信息,所以基于视觉的人机交互技术吸引着大量学者和工程师的兴趣,成为当前一个研究热点。基于视觉的人机交互技术关键是对以人为核心的图像识别,尤其对人体各种姿势动作的识别和理解。目前该技术已经广泛应用或者正在尝试应用于服务机器人、智能家居、智慧城市以及智能安防等诸多领域。目前基于视觉的人机交互技术实现普遍只针对有限的简单肢体动作,如跑步、走路、原地跳等,并且有严格的条件限制,如必须正对摄像头,不可以多个人体出现,只适合简单背景环境等。此外,相关算法通常存在计算量大、内存消耗严重、不适合嵌入式微型化发展等问题。为提高基于视觉的人机交互技术普适性,增强在真实自然环境下的实用性,本论文以基于视觉的智能家居人机交互系统设计开发为实践,对所定义的7种一般性、通用性的人机交互手势动作在自然环境下的识别进行了探究,并重点对各动作的特征提取、特征建模和识别理解分别进行了较深入的研究,同时提出新的方法和思路。经实验测试,本系统对手势动作识别准确度达79%以上,交互工作效率达75%以上,并且可以适应不同的自然环境,工作过程与人体的空间位置、尺寸几乎无关。本论文的主要工作及创新有以下几点:(1)以TI的DM642 DSP为视觉图像处理器,以ARM7为主控制器,设计并搭建了基于视觉人机交互的智能家居管理系统实验平台。定义了一套智能家居交互动作手势集,包括启动选择、选择肯定、选择否定、开关切换、功能上翻、功能下翻、暂停7种动作指令。(2)在手势动作目标检测阶段,提出了基于最近邻域像素梯度稳定性(N2PG)的视频背景快速提取方法,解决了基于视觉的嵌入式人机交互设备,在真实自然环境中目标检测跟踪困难的问题。(3)在手势动作的初次识别阶段,利用HMM模型并基于静态特征记录表的统计特征,解决了利用单帧图像特征进行动作识别抗干扰性差的问题,并且特征记录表中每条静态特征提取使用归一化的几何矩和低频傅里叶描述子,实现了识别的方向无关、尺寸无关和位置无关。(4)在手势动作识别二次校验阶段,提出基于速度方向变化特征的二-八码(8位二进制编码)校验方法,实现对初步识别结果的快速匹配校验或者补充识别,大大提高人机交互系统对手势的识别准确度和鲁棒性。