论文部分内容阅读
作为人机交互领域的一项关键技术,手势识别引起越来越多研究人员的关注。基于视觉的手势识别自然方便灵活。近年来,带有手势识别功能的智能家电,体感游戏机等相继出现,在给人们提供方便生活的同时,也给生活增添了一些乐趣。然而,手势识别目前仍面临诸多问题,这些用于智能家电中的手势识别精度并不高,不能完全替代遥控器、鼠标等,且价格昂贵,不利于推广。因此,我们采用JVC TK-C1480BEC型号的CCD摄像头拍摄实用场景下的手势图像,针对实际应用中的相关问题进行探讨和研究。主要工作如下:1)图像采集:利用TK-C1480BEC普通摄像头在不同时间段、不同天气(晴天、阴天等)等条件下采集了12种手势2000多张实际场景中手势图片。2)手势分割:分析了目前肤色分割常用的颜色空间和检测模型,结合实际环境中采集到的肤色点,分别用椭圆模型,简单阈值结合单高斯模型和基于SVM的8邻域的肤色检测方法对采集到的手势图像进行肤色检测,通过对结果进行比较分析,最后确定采用简单阈值联合单高斯模型进行手势分割。3)特征提取与识别:通过对手势特征的研究,尤其对梯度方向直方图(HOG)和局部自相似描述符(LSS)两种特征进行了深入研究,提出了两种特征提取改进方法。针对实际应用中提取HOG手势局部特征容易引入背景纹理,提出基于肤色相似度的改进的梯度方向直方图的手势特征提取方法,并分别利用支持向量机(SVM)、稀疏表示(SRC)和最近邻(NN)三种分类方法对基于HOG,SCHOG和改进的HOG手势特征进行手势识别。分别对实际拍摄的12种手势图像和Marcel手势库中的6种手势图片上进行了建模识别。实验结果表明不论采用哪种识别方法,基于改进的HOG手势特征都具有更高的正确识别率;相同的手势特征下,SVM识别方法比SRC和NN有更好的性能。根据手势图像中肤色在YCb Cr颜色空间的分布特点,提出了改进的自相似性描述符(改进LSS)。基于LSS特征和改进LSS特征,分别建立SVM、SRC和NN手势识别模型。针对实际拍摄的12种手势图像和Marcel手势库中的6种手势图片进行手势识别,结果表明,同种分类方法下,改进的LSS手势特征比LSS手势识别率高;同种特征下,SVM有更好的正确识别率。4)手势识别方案:不仅设计了单张图片的手势识别方案;而且针对图像序列制定了手势对空调控制的规则,基于该规则,设计了手势图像序列的手势识别方案。