论文部分内容阅读
现代计算机计算以及数字媒体技术的快速发展,使得人与计算机的接触和交互活动越来越频繁,且更多地出现在人们的日常生活中。而随着人们生活水平的不断提高,对于计算机进行交流的方便性和自由性提出了越来越高的要求。虽然各类新的硬件不断应用,但是人们常用的人机交互仍然局限在键盘、鼠标等设备商,这些设备由于本身设计特点的因素,在较大限制了人机交互速度的提升和自然性发展。因此,由于计算机技术发展水平本身的限制,人机交互的自然性还存在极大的发展空间,而以计算机视觉技术为基础实现的人机交互手势识别技术是缩小这种距离的关键技术之一。手势是一种非常直观而且自然的交流方式,通过将手势作为直接输入设备,可以消除人机交互之间的中间媒体,实现了用户进行人机交流的直接、简单操作。计算机通过手势识别提供了一个更加自然的人机交互接口。本文在研究手势识别的分类、手势识别的跟踪技术和手势识别算法等基本理论基础上,深入探讨人机交互技术的应用前景,针对当前应用的手势定位技术在肤色检测以及运动检测方面的不足,对标准CamShift算法以及改进的CamShift算法的手势跟踪方法进行了深入的研究和分析,发现标准CamShift算法计算量较小,但如果遇到复杂动态背景,则很难体现大面积肤色干扰带来的影响。正是基于此,本文提出基于Kalman滤波器的动态手势识别算法,并通过试验证明了该方法在手势跟踪中更加准确。另外本文还提出了结合几何矩和边缘检测技术的手势识别算法,从二值化手势图像中提取出图像的几何矩特征建立手势的几何矩特征向量,并以灰度图为基础对图像的边缘部分进行直接检测,然后直方图对图像的边界方向特征进行描述,利用设定的2个特征权重计算出图像之间的距离,从而完成了准确的手势识别。论文通过集合计算机视觉技术、数字图像处理技术以及模式识别技术等多种计算来实现基于手势识别的人机交互,并借助实验验证了基于计算机视觉的手势识别的正确性,同时做出对应的响应,实现自然、高效、准确的人机交互。