论文部分内容阅读
在计算机技术迅猛发展的今天，手机、平板电脑、智能电器等设备早已走进了普通家庭的视野，而智能车、机械手臂在工业和医学等领域也有着广泛的应用。在智能设备的操作过程中，如果系统能对控制主体的行为实现快速准确的识别，主体就可以更便捷地对设备进行操作。因此目标识别在计算机视觉和人机交互领域起着重要的作用，而对于待识别的目标来说，颜色作为目标可被采集的最直观的特征之一，基于颜色特征的目标识别方法研究也就有了更加深刻的现实意义。 本文以实现快速精准的人机交互机制为目标，将颜色恒常性理论与基于统计学习的目标识别算法相结合，提出了一种基于颜色的目标识别方法，该算法可以较为有效地实现室内环境下特定目标的人机交互。对于采集到的视频或图像序列，在进行降噪和降采样等预处理之后，运用改进的Gray Edge算法进行颜色恒常性校正，再通过自适应的阈值分割，得到相应的连通域序列，并通过K-means聚类算法、模板匹配算法等对目标特征作进一步处理，再将目标的颜色特征与图像进行匹配，增加算法的识别准确率。 在该算法框架下，本文详述了两个应用实例。针对卡片识别这一实例，首先详述卡片识别的算法流程，然后介绍了卡片设计的思路，实验样例视频的采集，实验平台的搭建，简要介绍了基于纹理特征的目标识别算法，并比较了两种算法在不同环境下的识别准确率。而基于颜色特征的手指弯曲程度识别这一实例则被应用于机械手臂的控制，在识别手势手指时，在单幅画面中采用了指尖点聚类算法确定手指位置，用以对手掌进行识别，并通过模板匹配算法抵消手掌的轻微抖动，通过上下文之间手指的位置关系判断手指弯曲程度。