论文部分内容阅读
[摘 要]本文实现了一种静态手势数字识别算法。首先对手势图像进行分割，提取矩特征并进行手势识别，即判断手指个数从而对手势数字1～3进行识别。根据识别出的数字来控制鼠标指针及其相關操作，最终实现简单、高效的人机交互。
[关键词]人机交互 手势识别 肤色检测 形状特征
中图分类号：W65 文献标识码：A 文章编号：1009-914X（2016）10-0241-01
随着信息技术的迅猛发展，人机交互越来越多，然而人们熟悉和熟练掌握的人机交互方式仍然局限于鼠标、键盘等，它们限制了人机交互的速度与自然性。由于手势具有自然、方便的特性， 与之相关的手势识别技术越来越受到广大研究人员的关注，将手势识别技术运用于对鼠标指针的相关操作，可以很好地实现自然、友好、高效的人机交互[1-7]。
本文针对静态手势识别进行研究，运用肤色检测对采集的手势图片进行分割，对分割后的二值图像提取矩特征，并根据每个手指的特征进行区分是否是手指，从而判断出手势数字1、2、3。用手势数字1、2和3分别控制鼠标指针的移动、左键和右键，进而实现简单、高效的人机交互。
1.基于形状特征的静态手势数字识别
本文主要针对1～3的数字静态手势识别，进而映射为不同的指令，从而实现人机交互，主要流程图如图1所示[4]。
首先对采集的图像进行中值滤波处理和光照补偿，接着对肤色进行分割，结果如图2所示。
对分割后的图像进行去除小的连通域和洞孔填充，再对分割后的图像进行大小归一化处理，将手掌大小统一到规定尺寸，归一化后的图像如图3所示。
对分割后的二值图像，提取其p+q阶矩作为特征：
（1）
其中i，j为图像坐标，f（i，j）为在图像（i，j）点的灰度值。其中势图像的质心坐标为（），其中：质心坐标可以用作人机交互的坐标参考。
在分类器设计方面，每个手势采集30张图片用作训练样本，根据训练样本得到分类器参数。本文采用图像分辨率为320×240，数字1～3的识别率如表1 所示。
2.手势识别在人机交互中的应用
获取计算机屏幕分辨率（rsx，rsy）和图像分辨率为（rix，riy），实现手质心坐标到屏幕坐标（x，y）的转换。
x：=rsx：rix
y：=rsy：riy
当手势移动小于指定阈值时，鼠标指针静止，当（x， y）出现在有效区域时，就会使鼠标指针移动，而且（x， y）距离屏幕中心越远，鼠标指针移动速度越快，当然，如果手离开了屏幕，鼠标指针也会静止。当识别手势为数字2或3时，分别调用函数来实现点击鼠标左键或右键操作。
3.小结
手势作为一种高效、自然的人机交互输入信号，将其应用到人机交互系统中具有无可比拟的优势。本人机交互系统运用了基于矩特征的静态手势数字识别算法，并结合了Windows API鼠标类函数，识别效率、精度较高。实验结果表明该人机交互系统可以简单、高效的控制鼠标指针及其相关操作。下一步研究的重点是复杂背景下的手势分割，并进一步研究手势特性，进而提出更好的解决方案。
参考文献
[1] 顾立忠，苏剑波.基于表观的手势识别及人基于表观的手势识别及人机交互研究[D].上海：上海交通大学，2008.
[2] 孙超，冯志全，李扬，等.第5届全国普适计算学术会议（PCC2010）论文集[C].河南：2010.
[3] 林水强，吴亚东，陈永辉.基于几何特征的手势识别方法[J].计算机工程与设计，2014，35（2）：637-639.
[5] Blum H.Biological shape and visual science：Part I[J].Theoretical Biology，1973，38（2）：205-287.
[6] 李平，李允俊.基于手势识别算法的鼠标终端[J].计算机系统应用，2013，22（8）：86
[7] Deval G.Patel.Point Pattern Matching Algorithm for Recognition of 36 ASL Gestures[J].International Journal of Science and Modern Engineering，2013，7（1）：24-28.
[关键词]人机交互 手势识别 肤色检测 形状特征
中图分类号：W65 文献标识码：A 文章编号：1009-914X（2016）10-0241-01
随着信息技术的迅猛发展，人机交互越来越多，然而人们熟悉和熟练掌握的人机交互方式仍然局限于鼠标、键盘等，它们限制了人机交互的速度与自然性。由于手势具有自然、方便的特性， 与之相关的手势识别技术越来越受到广大研究人员的关注，将手势识别技术运用于对鼠标指针的相关操作，可以很好地实现自然、友好、高效的人机交互[1-7]。
本文针对静态手势识别进行研究，运用肤色检测对采集的手势图片进行分割，对分割后的二值图像提取矩特征，并根据每个手指的特征进行区分是否是手指，从而判断出手势数字1、2、3。用手势数字1、2和3分别控制鼠标指针的移动、左键和右键，进而实现简单、高效的人机交互。
1.基于形状特征的静态手势数字识别
本文主要针对1～3的数字静态手势识别，进而映射为不同的指令，从而实现人机交互，主要流程图如图1所示[4]。
首先对采集的图像进行中值滤波处理和光照补偿，接着对肤色进行分割，结果如图2所示。
对分割后的图像进行去除小的连通域和洞孔填充，再对分割后的图像进行大小归一化处理，将手掌大小统一到规定尺寸，归一化后的图像如图3所示。
对分割后的二值图像，提取其p+q阶矩作为特征：
（1）
其中i，j为图像坐标，f（i，j）为在图像（i，j）点的灰度值。其中势图像的质心坐标为（），其中：质心坐标可以用作人机交互的坐标参考。
在分类器设计方面，每个手势采集30张图片用作训练样本，根据训练样本得到分类器参数。本文采用图像分辨率为320×240，数字1～3的识别率如表1 所示。
2.手势识别在人机交互中的应用
获取计算机屏幕分辨率（rsx，rsy）和图像分辨率为（rix，riy），实现手质心坐标到屏幕坐标（x，y）的转换。
x：=rsx：rix
y：=rsy：riy
当手势移动小于指定阈值时，鼠标指针静止，当（x， y）出现在有效区域时，就会使鼠标指针移动，而且（x， y）距离屏幕中心越远，鼠标指针移动速度越快，当然，如果手离开了屏幕，鼠标指针也会静止。当识别手势为数字2或3时，分别调用函数来实现点击鼠标左键或右键操作。
3.小结
手势作为一种高效、自然的人机交互输入信号，将其应用到人机交互系统中具有无可比拟的优势。本人机交互系统运用了基于矩特征的静态手势数字识别算法，并结合了Windows API鼠标类函数，识别效率、精度较高。实验结果表明该人机交互系统可以简单、高效的控制鼠标指针及其相关操作。下一步研究的重点是复杂背景下的手势分割，并进一步研究手势特性，进而提出更好的解决方案。
参考文献
[1] 顾立忠，苏剑波.基于表观的手势识别及人基于表观的手势识别及人机交互研究[D].上海：上海交通大学，2008.
[2] 孙超，冯志全，李扬，等.第5届全国普适计算学术会议（PCC2010）论文集[C].河南：2010.
[3] 林水强，吴亚东，陈永辉.基于几何特征的手势识别方法[J].计算机工程与设计，2014，35（2）：637-639.
[5] Blum H.Biological shape and visual science：Part I[J].Theoretical Biology，1973，38（2）：205-287.
[6] 李平，李允俊.基于手势识别算法的鼠标终端[J].计算机系统应用，2013，22（8）：86
[7] Deval G.Patel.Point Pattern Matching Algorithm for Recognition of 36 ASL Gestures[J].International Journal of Science and Modern Engineering，2013，7（1）：24-28.