论文部分内容阅读
随着智能交通时代的到来,无人驾驶成为当今发展的主流趋势,针对交警手势的人机交互研究将会具有非常重要的意义和价值。借助交警手势,不仅可以与机器设备进行友好交互,也能够在交通拥堵、事故和信号灯失灵等情形下实现应急处理。本文从智能交通和人机交互的角度出发,结合深度信息采集设备Kinect传感器,针对目前交警手势识别的局限性,主要研究了基于深度图像的交警手势识别,对识别过程中的特征提取方法改进,实现了较好的识别结果。本文具体研究内容如下:针对当前基于二维视觉的交警手势识别因受光照、遮挡因素导致识别种类不多问题,以及基于骨骼信息的交警手势识别受固定位置的限制问题,提出一种基于深度图像的交警手势识别方法。该方法结合深度图像和基于二维视觉的手势识别方法:首先获取深度视频帧序列中的交警关键手势,并对交警手势预处理;然后,结合细化算法和Radon变换提取交警手势的特征信息;最后,使用DTW算法实现动态交警手势识别。实验结果表明,该方法能够在不同光照、距离和位置下对交警手势实现较好识别,克服了当今交警手势识别中的缺陷。针对EPTA细化算法对不平滑轮廓的图像细化后容易产生分支问题,以及Radon变换对细化线像素点分布敏感问题,提出改进的EPTA细化算法以及对Radon变换曲线重估。改进细化算法通过一种删除限制和迭代比例机制,首先,有规律地对不产生分支现象的像素点细化;然后,再进行全局性平滑细化,解决部分像素导致的分支问题。Radon变换重估通过邻域均值处理,对相似细化线的不同角度Radon变换曲线重新估算。实验结果表明,改进的细化算法能够得到无分支且光滑的细化结果;Radon变换重估降低了Radon变换对细化线的敏感度,减小了变换曲线间的差异。改进的特征提取方法能够更好地描述特征信息,提高了交警手势的识别效果。虽然本文基于深度图像实现了对7种交警手势的识别,但考虑到实际应用中交警手势所处的复杂环境,交警手势动作交互的实时性以及交警手势种类识别不够全面等方面,对交警手势识别仍需进一步探索和研究。