论文部分内容阅读
随着计算机人机交互技术的发展,体感识别技术己经成为人机界面中的重要研宄领域。体感手势识别技术作为体感识别技术的核心,以其灵活的操作方式,更加贴近人类的思维模式和使用习惯的交互方式成为了目前研究的热门方向。本文首先分析体感手势的国内外研究现状,发现对于那些具有平移或旋转相似的手势识别率较差,提出了本文的定位扫描算法。本算法针对具有相似性的手势,建立了包含五种手势的手势库,对图像进行了预处理、手势轮廓提取、手势特征提取和手势识别四个部分的工作,使用MATLAB进行了仿真实验。本文酋先定义了五种手势,利用普通摄像头完成了复杂背景的手势采集工作,并将采集的手势图像由RGB颜色空间转变为YCbCr颜色空间。手势轮廓提取部分,首先通过肤色直方图计算肤色在Cb、Cr分量的聚合值,经过反复实验得出具体阈值;再进行阈值处理,将图像转变为二值图像;釆用自定义的手势检测方法区分手部和脸部区域,提取出手势轮廓。手势特征部分,首先使用Hu不变矩提取本文手势的7个特征值;接着使用本文自定义的定位扫描法和改进的面枳比进行特征提取,得到2组新的特征序列。手势识别部分,利用支持向if机和BP祌经网络算法分别对手势特征进行三次实验。第一次是测试特征提取得到Hu矩的7个特征值在SVM中的识别率,识别率只有41.37%,效果较差;第二次是测试本文的三种特征序列在SVM模型屮的识别率,识别速度快,且识别率高达97.13%;第三次是测试本文的二种特征序列在BP神经网络算法中的识别率,虽然超过90%,但实验运行速度较慢,资源消耗大。实验结果表明,Hu矩在处理具有平移和旋转相似的手势时,效果较差;木文提出的定位扫描算法有效的解决了这个问题。木文在手势轮廓提取和手势特征提取算法研究巾有所创新,并提出了教育辅助系统的设计思想,具有一定的应用价值,同时也为后续的研宂工作奠定了良好的基础。