论文部分内容阅读
利用Kinect捕捉深度图像,使用有效的手势分割手段将手势区域截取并运用相关算法对手势进行轮廓、凸包及其最小外接圆提取;然后构建了4种手势特性参数并给出了4种参数的计算方法;最后综合手势特性参数构建分类决策树以实现手势识别。实验针对9种常见手势在复杂背景条件下进行测试,单个手势识别率在89%-100%之间,综合识别率达到96%。