基于SVM和HMM混合模型的動(dòng)態(tài)手勢(shì)識(shí)別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展,人機(jī)交互成為我們?nèi)粘Ｉ钪械闹匾糠?人機(jī)交互技術(shù)成為人們研究的重點(diǎn),其中包括表情識(shí)別、語(yǔ)音識(shí)別、行為識(shí)別等。手勢(shì)是人們表達(dá)情感、傳遞信息的一種重要手段,手勢(shì)識(shí)別也成為了人機(jī)交互技術(shù)中不可缺少的一部分,受到了人們?cè)絹?lái)越廣泛的關(guān)注,同時(shí)其應(yīng)用范圍也日益廣泛,如虛擬現(xiàn)實(shí)、手語(yǔ)學(xué)習(xí)、醫(yī)學(xué)研究、智能監(jiān)控等,因此,對(duì)于手勢(shì)識(shí)別技術(shù)的研究具有深遠(yuǎn)的研究意義與社會(huì)價(jià)值。本文對(duì)手勢(shì)識(shí)別技術(shù)進(jìn)行研究,在對(duì)HMM(隱馬爾可夫模型)

2、算法和SVM(支持向量機(jī))算法研究的基礎(chǔ)上,對(duì)基于HMM的手勢(shì)識(shí)別進(jìn)行分析,針對(duì)其存在的不足加以改進(jìn)。本文的主要改進(jìn)思路為采用決策級(jí)信息融合的思想對(duì)動(dòng)態(tài)手勢(shì)進(jìn)行識(shí)別,一方面使用SVM對(duì)靜態(tài)手型進(jìn)行識(shí)別,另一方面則利用SVM的強(qiáng)分類能力和HMM對(duì)時(shí)變信號(hào)的處理能力,實(shí)現(xiàn)動(dòng)態(tài)手勢(shì)軌跡的識(shí)別,最后使用信息融合得到最終的識(shí)別結(jié)果。另外為提高識(shí)別速度,將手勢(shì)模板庫(kù)設(shè)計(jì)為索引表結(jié)構(gòu),改進(jìn)后的數(shù)據(jù)庫(kù)具有很強(qiáng)的擴(kuò)展性。在系統(tǒng)的具體實(shí)現(xiàn)上,使用VC++6