论文部分内容阅读
随着计算机技术的发展，传统的人机交互技术已难以适应越来越复杂多样的需求。用户要求更加自然和智能的交互方法，包括声音、视觉和智能传感器等等。其中基于计算机视觉的方法具有自然、方便的特点，受到了广泛的关注。手势更是其中最具有自然交互性的方式，目前在人机交互、虚拟现实、手语理解、远程控制等领域中有着广泛而重要的应用。
复杂背景下人手的检测、跟踪和识别研究有着重要的学术价值和广泛的应用前景。本文以实现自然背景下鲁棒的人机手势交互为目标，针对此目标涉及的人手的检测、跟踪和手势的识别进行了深入的研究，并取得了一定的研究成果。本文的主要工作及贡献概述如下：
·把人脸检测中广泛采用的Adaboost统计方法用于手掌的定位，因为每个人的手掌都有明显的三条长线，可以作为特征进行人手的检测。Adaboost方法检测的优点是速度快且准确率高，通过采用积分图像来快速计算的简单特征以及分类器的级联结构保证了算法的实时性。
●采用高斯建模的方法对肤色空间在规范化的RGB通道上建模，并采用自适应阈值的方法去除光线和背景变化的影响，效果良好，能在90％的情况下达到理想的肤色提取效果。
●提出采用粒子滤波和主动形状模型相结合的方法进行手的运动的跟踪，结合了两种方法的优点，克服了各自的不足。粒子滤波是基于粒子集传播的迭代贝叶斯滤波，能够同时维持多峰分布，可以被有效地用于各种非线性和非高斯问题的估计中；采用主动形状模型表示人手，可以准确地表示出手的各种形状。本文先用粒子滤波对手的整体运动做跟踪，然后在此结果上利用主动形状模型进行手的具体的形状的调节，能够准确有效地跟踪手的各种运动，包括：手整体的平移、旋转、放缩，和单独某个手指的伸缩、旋转等运动。
●利用跟踪结果进行动态手势识别；对现有的Hausdorff距离进行改进，使之适用于噪声较多的情况下的物体相似度度量，并利用改进方法进行视频中简单静态手势“剪刀、石头、布”的识别，效果良好。