人机交互作为计算机发展新趋势,服务于社会的项目变得越来越多,而手势识别作为人机交互领域比较重要的模块之一,其发展也为人机交互的发展起到了重要的作用。在常用的手势识别系统中,我们获取到手势图片很少会是单一背景,大多是在复杂环境下进行,例如:光照强度过亮或是过暗,亦或是摄像头获取的图片分辨率低,导致手势模糊,也可能是采集设备距离不同等各种复杂因素影响手势识别准确率。目前复杂背景下手势识别的难题尚未解决,所以要对复杂环境下光照强度明暗不一的图片进行研究。提高自然场景下手势识别系统的准确率和实时性。在日常的交流生活中,手势之间的交流也变得越来越普遍,越来越能能够代替语言在日常生活中进行交流,人的想法和意图也能够非常直观的表达出来。在进行人机交互时,一般是利用各种手势来完成人与各种机器之间的信息交流的过程,如果机器通过各种训练学习,能够对特定手势进行特定的记忆以及将各种手势的特征,并能够实现手势识别的实时性,则对人机交互的发展产生积极影响,使人与机器之间的交流变得更加简单舒服自然。特别是对于一些行动不便或存在语言障碍的用户来说,基于动态手势的人机交互就显得尤为重要。因此,提高手势识别的准确率以及实时性,促进人与机器之间的交流,在快速发展的现代社会就显得尤为重要。一般的手势识别方法会包含以下三个方面:1.首先,受光照强度影响的手势图片过亮或者过暗都会对手势识别产生影响,为此,本文设置了一个光照强度图片打分系统,用来对摄像机获取的手势图片进行打分对于光照强度暗的图片,本文的打分系统给出的打分一般比较低,对于打分低的图片,我们会在第二部分进行低光照质量评估,而对于打分高的图片则直接进行第三部分的手势识别。2.其次,我们解决了有普通摄像头获取的低质量图片的问题。受光照强度,摄像头像素的影响,我们摄像头获取的图片并不总是会获取到高质量的,清晰地照片,这样就会在我们识别手势的过程中,增加了很大的难度。为了解决这一问题,我们提出了一种基于注意力机制的低光照视频图像恢复,来解决获取图片过程中图片质量低,模糊不清等问题。这一结构的提出,不仅大大提高了我们手势识别的准确率,还保证了我们手势识别的实时性。3.进行手势识别,一般就是手势估计,手势分割,但在进行手势识别之前,要先进行手势分析,手势分析是完成手势识别系统的重要步骤,也是关键的一步。在本文中使用的手势分析是利用空间的三维坐标,对于手势中的手指关节,本文在三维坐标中对其进行标点,便于生成热图后的手势进行3D手势识别。