用于空調(diào)控制的手勢識(shí)別研究.pdf

1、作為人機(jī)交互領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)，手勢識(shí)別引起越來越多研究人員的關(guān)注?；谝曈X的手勢識(shí)別自然方便靈活。近年來，帶有手勢識(shí)別功能的智能家電，體感游戲機(jī)等相繼出現(xiàn)，在給人們提供方便生活的同時(shí)，也給生活增添了一些樂趣。然而，手勢識(shí)別目前仍面臨諸多問題，這些用于智能家電中的手勢識(shí)別精度并不高，不能完全替代遙控器、鼠標(biāo)等，且價(jià)格昂貴，不利于推廣。因此，我們采用JVC TK-C1480BEC型號的CCD攝像頭拍攝實(shí)用場景下的手勢圖像，針對實(shí)際應(yīng)用中的

2、相關(guān)問題進(jìn)行探討和研究。
　　本研究主要內(nèi)容包括：⑴圖像采集：利用TK-C1480BEC普通攝像頭在不同時(shí)間段、不同天氣(晴天、陰天等)等條件下采集了12種手勢2000多張實(shí)際場景中手勢圖片。⑵手勢分割：分析了目前膚色分割常用的顏色空間和檢測模型，結(jié)合實(shí)際環(huán)境中采集到的膚色點(diǎn)，分別用橢圓模型，簡單閾值結(jié)合單高斯模型和基于SVM的8鄰域的膚色檢測方法對采集到的手勢圖像進(jìn)行膚色檢測，通過對結(jié)果進(jìn)行比較分析，最后確定采用簡單閾值聯(lián)合單高

3、斯模型進(jìn)行手勢分割。⑶特征提取與識(shí)別：通過對手勢特征的研究，尤其對梯度方向直方圖(HOG)和局部自相似描述符(LSS)兩種特征進(jìn)行了深入研究，提出了兩種特征提取改進(jìn)方法。⑷針對實(shí)際應(yīng)用中提取HOG手勢局部特征容易引入背景紋理，提出基于膚色相似度的改進(jìn)的梯度方向直方圖的手勢特征提取方法，并分別利用支持向量機(jī)(SVM)、稀疏表示(SRC)和最近鄰(NN)三種分類方法對基于 HOG， SCHOG和改進(jìn)的HOG手勢特征進(jìn)行手勢識(shí)別。分別對實(shí)際拍

4、攝的12種手勢圖像和Marcel手勢庫中的6種手勢圖片上進(jìn)行了建模識(shí)別。實(shí)驗(yàn)結(jié)果表明不論采用哪種識(shí)別方法，基于改進(jìn)的 HOG手勢特征都具有更高的正確識(shí)別率；相同的手勢特征下，SVM識(shí)別方法比SRC和NN有更好的性能。⑸根據(jù)手勢圖像中膚色在YCbCr顏色空間的分布特點(diǎn)，提出了改進(jìn)的自相似性描述符(改進(jìn) LSS)?；贚SS特征和改進(jìn) LSS特征，分別建立 SVM、SRC和NN手勢識(shí)別模型。針對實(shí)際拍攝的12種手勢圖像和Marcel手勢庫中