论文部分内容阅读
手势是人们日常生活当中一种自然而直观的人际交流模式,随着计算机技术的发展和人机交互模式逐渐向以人为中心转移,对手势识别的研究也逐渐成为人们研究的热点。手势识别的研究具有广阔的应用前景,可以帮助聋哑人使用手语和正常人交流,对语音识别也起着辅助作用,还可用于虚拟现实系统中的多模式接口以及机器人的示范学习等。手势识别的研究涉及到教育学、计算机图形学、机器人运动学、医学等多个学科,因此,手势识别的研究是一个非常有意义的课题。手势识别按输入设备不同可以分为基于数据手套的手势识别和基于视觉的手势识别,其中基于视觉的手势识别以人手直接作为计算机的输入设备,人机之间的通讯将不再需要中间媒体,用户可以简单地定义一种适当的手势来对周围的机器进行控制。但是,由于手势本身具有多样性、多义性以及时间和空间上的差异性等特点,加之人手是复杂的变形体以及视觉本身的不适定性,基于视觉的手势识别是一个多学科交叉的、富有挑战性的研究课题。手势分为静态手势和动态手势,静态手势强调通过手形传递一定的意义,而动态手势定义为手运动的轨迹。本文对静态手势识别进行研究,根据手势本身所具有的特点,提出了一种手势识别算法,该算法采用全局模极匹配的方法,用切线距离米进行测试样本与模板之间的相似性度量,以消除视觉敏感问题,保证对于平移、旋转、缩放、粗细变化等各种仿射变换的不变性。我们的系统选择常用的中国手语中的字母手势来进行识别实验,首先建立实验用的小型手指语图像库,然后对采集到的手势图象进行灰度变换、平滑、二值化等一系列的预处理,得到二值化的手势图像,为下一步的训练识别作好准备工作。在训练阶段,用k-means聚类算法对二值化的手势图象进行训练来得到手势模板。最后,在测试集上用基于切线距离的模板匹配方法进行手势识别。实验结果表明我们的方法对于静态手势的识别是可行的,可大大地提高识别准确率。