论文部分内容阅读
随着社会的进步和科学技术的快速发展,机器人技术的应用越来越广泛,在众多的科学领域、工业部门和家庭生活中发挥着重要的作用,而人与机器人需要交互的场景也越来越多,为了提高机器人与人的交互性和协作性,需要对人—机器人交互系统进行研究。在当前的研究中,基于视觉的手势识别因为摄像机的低廉成本和手势的直观性,通用性和强大语义使得其在人机交互研究中具有强大的潜力。在目前的基于视觉的手势识别研究中,依靠肤色信息来建立模型进而识别手势是较为高效实用的方法,但是由于计算机处理数字摄像机采集到的肤色信息极易受到光照和背景变化的影响,现有的手势识别系统大多在室内固定环境下才能取得理想的识别效果,而在移动的复杂环境下不具有工作能力。针对这一问题,本文主要研究用于移动机器人的基于肤色的手势识别系统,研究的重点集中在肤色模型的建立,复杂环境下的肤色分类和模型的自适应问题。本文在建立单高斯肤色模型的基础上,提出了一种基于前景加权直方图的动态阈值调整算法,该算法通过肤色模型得到肤色概率图后,在目标区域被识别的前提下,对目标区域的像素的概率建立加权直方图,通过分析该直方图调整肤色分类阈值,在一定程度上解决光照变化对肤色的影响问题。针对模型对光照和背景变化的自适应问题,文章提出了静态单高斯模型与动态直方图方法结合的自适应算法,该算法以阈值调整和肤色分割结果为依据,在满足一定条件的情况下通过建立前景与背景直方图对单高斯模型进行调整,具有很好的实时性,同时对光照和背景的变化有很好的适应性。文章最终将人手分割,轨迹跟踪,模型调整,手势分析等手势识别的关键环节串联起来,建立起一个可用于移动智能机器人人机交互中的手势识别系统,实验结果表明该系统准确高效,具有实用价值,并且实验方法具有通用性,可被扩展到各种手势识别交互系统中。