基于手勢識別的計算機(jī)輸入技術(shù)研究.pdf

1、隨著計算機(jī)的發(fā)展，人機(jī)交互技術(shù)也逐漸發(fā)展起來，手勢識別正逐漸成為人機(jī)交互技術(shù)的一個重要的研究課題。手勢識別過程可分為手勢分割、手勢跟蹤、特征提取和手勢識別四個部分，文中重點(diǎn)研究后三個部分。在手勢識別的基礎(chǔ)上，設(shè)計并開發(fā)了類鼠標(biāo)的計算機(jī)輸入系統(tǒng)。
　　在手勢跟蹤部分，本文應(yīng)用Camshift算法進(jìn)行跟蹤，快速準(zhǔn)確，隨后針對Camshift算法容易陷于局部極小值這一缺陷，加入預(yù)測跟蹤位置的機(jī)制進(jìn)行了改進(jìn)，解決了手勢在經(jīng)過類膚色物體時容

2、易跟蹤失效的問題。在手勢跟蹤的基礎(chǔ)上，本文參考鼠標(biāo)的工作原理，利用手移動的相對位移和速度控制光標(biāo)，使手勢在移動范圍很小時就可以控制光標(biāo)在整個屏幕移動，避免了人臉的干擾和屏幕邊緣難以操作的困擾，大大增強(qiáng)了系統(tǒng)的可操作性。最后對光標(biāo)的運(yùn)動軌跡應(yīng)用Catmull插值算法擬合，使光標(biāo)移動軌跡平滑。
　　在手形識別部分，本文采用加權(quán)的7個Hu不變矩和指尖點(diǎn)個數(shù)兩種特征，利用支持向量機(jī)作為分類器對five（手掌）、point（食指手形）、fi

3、st（拳頭）、tick（勾號）、v（勝利）五種手形進(jìn)行識別，平均識別率達(dá)到94.8％。指尖點(diǎn)檢測首先對手形輪廓進(jìn)行誤差較大的多邊形逼近，大大排除了實(shí)際應(yīng)用中手形輪廓不光滑的干擾，然后利用凸包凸缺陷的性質(zhì)設(shè)定一定的約束條件，最終得到指尖檢測的平均準(zhǔn)確率為94.2％，為手形識別提供了有效的特征。另外，本文針對tick和v手形對Hu矩高階部分加權(quán)，增強(qiáng)輪廓的細(xì)節(jié)信息，使得手形v的識別率由54％提高到了84％。
　　在動態(tài)手勢軌跡識別方面

4、，本文利用位置、速率、角度三個表示軌跡的特征，采用連續(xù)隱馬爾可夫模型算法識別上下左右四種手勢運(yùn)動軌跡。最終得到的識別準(zhǔn)確率較高，平均達(dá)到98.5％。
　　在手勢識別的基礎(chǔ)上，以Visual Studio2012為開發(fā)平臺，基于OpenCV2.44庫，實(shí)現(xiàn)了一種類鼠標(biāo)的計算機(jī)輸入系統(tǒng)。本文設(shè)計并實(shí)現(xiàn)了十一種手勢命令:光標(biāo)控制、單擊、雙擊、右擊、放大、縮小、上下左右翻頁。經(jīng)過測試，這十一種手勢命令設(shè)計友好，可操作性強(qiáng)，由作者本人操作的