论文部分内容阅读
随着硬件和软件技术的高速发展,人机交互技术由鼠键时代发展到以语音、动作识别等技术为代表的自然交互时代,其中手势识别技术成为一种更自然、直观的输入方式,能获得更好人机交互体验。而Android手机操作系统备受人青睐,目前智能手机的处理数据功能不亚于一台微型计算机,开发人员可以在该手机操作系统上做出更加复杂快速的开发,基于Android操作系统的手势识别技术已经成为新一代的研究方向,并将打破人们传统的手机操作模式理念。本文从手掌分割、手掌跟踪以及手势识别三个方面进行研究,并以Android智能手机为操作平台,手势控制手机音乐播放器为例,对手势图像自动操作手机功能作一个详细说明。本文的主要研究内容如下:1.手势识别技术实现首先介绍了手掌检测常见的方法,分析了帧差法和肤色检测法的优缺点,提出了帧差法与肤色提取相结合的手掌分割方法,再通过形态学处理,最终可分割出手掌;然后介绍了CamShift的手掌跟踪方法以及原CamShift算法存在的不足,提出了一种改进的CamShift算法,改进后的CamShift算法不仅能自动调节搜索窗口的大小以适应被跟踪目标在图像中的大小,还可以利用当前帧手掌大小与位置预测下一帧中手掌的大小与位置,改进后的CamShift算法有效解决手掌跟踪过程中大面积类肤色干扰问题。最后采用凸包和Freeman算法对手掌外围轮廓进行提取,并且使用AdaBoost分类器对手掌模板进行训练,采用Hausdorff矩离的轮廓匹配算法与改进的CamShift手掌跟踪方法进行手势识别。2.手势图像在Android手机上的应用首先介绍Android手势图像算法平台的搭建过程,接着介绍OpenCV算法移植到手机上的过程。在系统实现一节中,简要介绍了Android应用程序机制,以及详细介绍了Andorid JNI实现底层手势识别与上层Android应用程序之间的通信,然后用AdaBoost算法训练出手掌正负样本和定义了控制Android音乐播放器的四种手势语义,结果实现了手势控制音乐播放器的功能,实验结果表明,四种手势平均识别率为92.5%。最后对系统进行实时性分析,分析表明,系统运行时占用内存低,响应快,满足实时性要求。最后对全文进行总结,说明了主要研究成果,同时指出了存在的不足和有待进一步研究的问题。