论文部分内容阅读
随着社会需求的不断增长,手势因其便捷、自然、直观的特点,成为人类日常生活中最常用的沟通方式之一。手势识别在机器人控制、医疗诊断、虚拟现实等方面有着广泛的应用前景,成为人机交互领域的重点研究内容。本文研究基于肤色分割的嵌入式手势识别技术,并将算法移植到ARM11架构的S3C6410处理器,旨在解决静态手势识别的准确性和实时性问题。本文通过对手势识别过程中各项技术的细致分析与深入研究,将主要工作分成五个部分:一是颜色空间选取,在亮度与色度分离的YCbCr空间进行图像转换;二是图像预处理,降低图像中含有的噪声并突出边缘和细节特征;三是手势图像分割,统计肤色在CbCr色度空间的分布情况,计算每个像素点的肤色相似度值,对传统的Otsu算法进行改进,利用动态阈值将图像分割成人手目标和背景两部分区域,通过形态学处理消除剩余的毛刺和空洞;四是手势特征提取,采用八邻域搜索法获得封闭的边缘轮廓,通过不变矩提取轮廓特征,包括手势轮廓中心、周长、面积、凸包络等;五是手势识别,将采集到的手势图像与事先载入的模板图像进行相似度比对,输出匹配的手势模板序号。本文的重点研究内容是自适应阈值肤色分割算法和Hu不变矩轮廓特征匹配算法。系统利用Linux特有的V4L2接口采集视频图像,搭建嵌入式交叉开发环境,移植计算机开源视觉库OpenCV和图形界面库Qt到开发板。通过程序的交叉编译实现在嵌入式平台上应用手势识别系统,能够完成对数字手势的准确识别,正确率达到91.3%。