基于神經網絡方法的手形識別研究.pdf

1、手勢是人類與生俱來的交流手段之一,它自然而又直觀,因此在新一代人-機交互系統(tǒng)中,手勢交互成為很好的選擇.對手勢識別技術的研究也成為當今計算機視覺領域、模式識別領域、數字信號處理領域的一個重要研究方向.一般而言,手勢通過手形（姿態(tài)）和軌跡共同作用來表達信息,而手形不僅能表達意義,還能充當動態(tài)手勢（軌跡）的轉換狀態(tài),因此識別手形的研究是手勢識別領域內的一項重要內容.手形識別方法和動態(tài)手勢識別方法不同,手形識別通常需要手區(qū)域定位、手區(qū)域分割、

2、手形特征提取、手形理解等幾個步驟.在手區(qū)域定位與手區(qū)域分割階段,該文是通過提取連續(xù)手勢圖像序列中的膚色和運動特征來進行的,先是在手運動為主要運動分量的前提下,利用運動信息確定手區(qū)域,然后利用膚色信息,對定位的區(qū)域進行膚色濾波.經過運動和膚色特征的融合,可以將圖像中的手區(qū)域從復雜背景中分割出來.經過濾波后的手區(qū)域圖像歸一化后被提交給識別模塊理解.神經網絡在處理諸如學習、理解等問題具有天然的優(yōu)越性,因此,在論文的手形特征提取和手形理解階段,

3、采用的是神經網絡方法.在某種意義上講,多層感知器隱層具有特征提取功能,于是,論文的方案將手形特征提取和手形理解任務全部交付給一個三層前饋神經網絡,權值調整使用BP算法,通過對其隱層輸出所張成的空間中準則函數J<,F>的最大化（J<,F>=|S<,b>|/|S<,w>|,其中S<,b>是類間散度矩陣,S<,w>是總數內散度矩陣）,論文所設計的前饋網絡實現了對手形的理解.但由于神經網絡很多方面的理論尚未成熟,許多工作要依靠經驗而定,因此論文

4、還詳細討論了應用于手形識別的前饋神經網絡的訓練策略,以及對神經網絡方法所存在問題的處理手段;并列出了訓練期間多次實驗過程,以期對以后的應用提供參考.實現手形識別中的幾何不變,尤其是旋轉不變,是當今手形識別問題的重要課題之一,因為只有這樣,才符合手勢交互的習慣,該論文采用三階神經網絡來解決手形識別中的這一難題.通過將幾何性不變構造入網絡本身,三階網絡可以實現平移、比例、旋轉不變的特征提取,其原因在于輸入中所有具有相似性的3組合被分配了相同