基于Kinect的手势图像识别研究

• 作 者: 金宏硕
• 出 处: 沈阳工业大学
• 发表日期: 2004年期
• 关键词: Kinect Hu矩 支持向量机 神经网络 随机森林

基于视觉的手势识别技术是目前人机交互领域研究的热点。传统的手势识别方法对环境背景,图像采集设备以及手势动作要求都比较高,因此本文采用Kinect摄像机进行图像采集,可以减少复杂背景及光照等条件的影响,并根据采集到的图像进行手势识别算法的研究。本文研究的手势识别过程主要包括手势图像数据库的建立、手势图像预处理、手势特征提取和手势识别四个阶段。首先,根据Kinect摄像机采集到的图像建立手势图像数据库,包括不同的光照、不同背景以及不同角度的手势图片。其次,对采集的手势图像进行预处理,包括手部感兴趣区域(Region of Interest,ROI)获取、手势图像滤波、手势图像形态学处理和手势图像边缘轮廓提取四个阶段。其中,手部ROI区域获取阶段,根据Kinect摄像机的特点,将彩色图像肤色检测后得到肤色区域,与深度图像利用深度直方图阈值分割出的前景图像进行与运算,从而获取手部ROI区域;在滤波阶段,对手势图像进行中值滤波,去除噪声干扰;在手势形态学处理阶段,本文采用先开启再闭合的形态学处理方法,对手势图像进行形态学处理;手势边缘轮廓提取阶段,本文采用Canny算子边缘检测方法进行手势边缘轮廓的提取。然后,本文提取了手势图像的Hu矩特征,并将之与圆形度、矩形度和长宽比这三个特征进行融合,将融合特征数据作为分类器的输入;最后,本文采用支持向量机、神经网络和随机森林三种分类方法对手势特征进行分类识别,并对识别结果进行了分析。实验结果表明,本文采用的三种识别算法对8种静态手势进行识别,其中支持向量机的平均识别率为97.4%,在本文中识别效果最好。因此在不同光照和不同角度等情况下应用支持向量机算法进行实验,验证本文手势识别算法的有效性及鲁棒性。