论文部分内容阅读
基于视觉的手势识别技术是目前人机交互研究领域的一个主要研究方向。通过对摄像机捕获到的用户的手势视频图像，进行图像处理和视频分析理解，将用户的手势动作解析为应用程序可以理解的鼠标或键盘等事件，实现人机交互。与传统的人机交互方式相比，用手势操纵计算机的交互方式可以给用户带来更好的用户体验。本文研究并实现了基于运动跟踪的动态手势识别算法。其中，提出了一种自适应的肤色阈值分割算法，首先通过检测人脸获取正常肤色样本集和肤色光照变化样本集，统计并加权合并这两个样本集的肤色直方图，根据直方图的分布计算得到肤色的分割阈值范围。提出了一种改进的实时压缩手势跟踪算法，该算法根据特征矩形框所处的区域位置对特征赋予了相应的权重；使用卡尔曼滤波器预测跟踪目标在下一帧的位置，在预测位置的周围寻找跟踪目标；通过矩形框中覆盖的肤色面积过滤掉一些目标样本。本文将操作空间和显示空间进行映射，实现了通过手势的运动控制鼠标的移动，并采用鼠标触壁的思想识别了几种常用的动态手势。通过实验验证，本文所提出的自适应肤色阈值分割算法对不同的人种、不同的场景光照有更好适应性；改进后的跟踪算法在手势跟踪过程中，比原算法跟踪的更准确、鲁棒性更好；基于以上方法的手势识别系统对动态手势的识别具有较高的识别率。