手势控制和识别作为智能人机交互系统的重要组成部分,是目前的研究热点。当前研究主要集中在两个方面,一是虚拟手部建模及控制机制;二是手势的检测与识别算法。手势控制和识别算法的研究有助于最终实现基于手势的智能化人机交互。本文对现有的手势控制和识别算法进行深入研究,做了如下工作:1.建立了符合人类生理特征的手部肌肉模型及基于多线谱的虚拟手控制机制,可真实自然地仿真虚拟手的多种运动。首先,根据手部解剖结构及骨关节间的几何比例,建立了手部肌肉模型,并给出了手指运动角度与肌肉收缩量之间的关系;在此基础上提出了手部运动多线谱控制机制,由于多线谱能在时空两个维度同时描述手部运动,且能用简洁的函数表示,因此可利用相应的一组谱线反过来控制虚拟手相应的运动;最后,结合手部运动特征及多线谱运动约束空间的概念,仿真虚拟手运动。实验结果表明,该方法减少了模型控制的复杂度,提高了仿真结果的真实性和准确性。2.实现了基于多种颜色空间的手势区域检测方法,可准确快速地通过肤色判别来检测手势区域。针对现有方法在低光环境下检测效果不佳的问题,本文通过分析多种颜色空间中肤色分布的情况,利用两级肤色判别的方法区分输入图像的光照环境。根据手势图像的亮度信息判断是否为正常光,如是,则将其在YCb Cr和YCg Cr两种颜色空间中的肤色检测结果做“与”运算;否则,联合HSV及YCg Cr颜色空间进一步判定高光或低光环境,实验结果表明,该算法可以有效避免亮度信息对于肤色检测的影响。3.提出了基于主惯性轴的静态手势识别及基于多线谱的动态手势识别方法。针对静态手势识别中旋转缩放鲁棒性不高的问题,本文提出了基于主惯性轴的识别算法,利用手势图像的质心及主惯性轴等旋转缩放不变量,得到8个维度的联合方向手势特征,实验结果表明,在多种分类器下该方法均具有较高的实时性,且识别率在99%以上。针对动态手势,本文提出基于多线谱的识别算法。该算法通过摄像头获取动态手势形成过程中关键点的位置信息,得到动态手势对应的多线谱,由于多线谱能够在时空两个维度同时描述手势的动态形成过程,因此利用多线谱进行动态手势识别,不仅保证了识别的实时性,而且提高了手势预测的准确性。