基于單目視覺的手勢跟蹤與識別算法研究.pdf

1、近年來，視頻圖像中的手勢跟蹤與識別技術(shù)已成為計算機(jī)視覺領(lǐng)域中備受關(guān)注的研究內(nèi)容。手勢作為人們之間最自然、常見的交互方式之一，能生動、形象和直觀的傳遞信息?；谝曈X的手勢識別已在人機(jī)交互、虛擬現(xiàn)實、醫(yī)療診斷、手語識別等領(lǐng)域獲得了廣泛的應(yīng)用。本文研究基于單目視覺的手勢跟蹤與識別技術(shù)，主要內(nèi)容如下：
　　 首先，分析了運動區(qū)域檢測的常用方法，在此基礎(chǔ)上，采用減固定背景法實現(xiàn)了運動區(qū)域的快速檢測。研究了混合高斯膚色模型和橢圓邊界膚色模型

2、的特點，并對比分析了兩種模型。實驗說明，混合高斯膚色模型檢測效果優(yōu)于橢圓邊界膚色模型。將運動信息結(jié)合到膚色檢測算法，提高了手勢區(qū)域檢測速度。針對光照不均、陰影干擾和膚色相近噪聲造成手勢區(qū)域檢測的漏檢和誤檢現(xiàn)象，提出了一種改進(jìn)的手勢區(qū)域增長算法。實驗結(jié)果表明，結(jié)合該改進(jìn)算法能有效的分割出較完整、干凈的手勢區(qū)域。
　　 其次，分析了傳統(tǒng)Snake模型和GVF Snake模型兩種輪廓提取方法，采用了GVF Snake模型提取手勢輪廓曲

3、線，針對該模型對初始輪廓敏感及計算量大等問題，給出了一種改進(jìn)算法。該算法基于角點檢測實現(xiàn)輪廓的初始化，將與手勢輪廓相似的封閉曲線初始化在手勢目標(biāo)附近，并采用在運動子區(qū)域上計算向量流代替在整幅圖像計算的方案，降低了模型迭代次數(shù)，提高了輪廓收斂準(zhǔn)確性。實驗結(jié)果表明，改進(jìn)方法可較準(zhǔn)確、快速的提取手勢輪廓。
　　 最后，實現(xiàn)了基于卡爾曼濾波器的B樣條手勢輪廓跟蹤算法，該算法具有運算快速的優(yōu)點，但存在只能跟蹤特定形狀的手勢輪廓，且對噪聲敏

4、感、易跟丟等問題。為了解決這些問題，分析了利用光流法跟蹤運動信息的原理，將稀疏光流跟蹤法與角點特征相結(jié)合，采用稀疏光流跟蹤輪廓上的角點特征，利用GVF Snake模型和角點信息捕獲完整手勢輪廓曲線后，用角點檢測算法更新角點信息，通過迭代的方式實現(xiàn)輪廓跟蹤。通過與一般的基于GVF Snake模型跟蹤算法實驗對比表明，本文采用的結(jié)合角點特征和稀疏光流輪廓跟蹤算法能更完整、準(zhǔn)確的跟蹤手勢輪廓。在手勢識別上，采用了傅立葉輪廓描述算子建立手勢模式