復(fù)雜背景下的手勢識別一直是人機交互領(lǐng)域的一大難題,現(xiàn)行手勢識別方法在光照變化、背景干擾情況下存在計算量大,耗時長的問題。針對該問題提出了一種復(fù)雜環(huán)境下通用的手勢識別方法,方法能提高手勢識別的計算效率。整個方法包含三個部分,手勢檢測、手勢識別和參數(shù)更新。在手勢檢測部分,為提高計算效率提出一種基于位運算的方法代基于替滑動窗口手勢檢測,該方法利用二進制方式實現(xiàn)支持向量機模型并且利用64位整型的特點使用位操作實現(xiàn)遍歷從而完成目標快速篩選。方法并不精確的提取手勢區(qū)域,而是在極短的時間內(nèi)提取數(shù)個可能的備選窗口。手勢檢測部分的輸入是膚色似然圖,圖像采集不依賴于特定的設(shè)備,一般的視覺設(shè)備都可以進行采集,計算的過程需要依賴64位運算平臺。在手勢識別部分,使用基于計算統(tǒng)一設(shè)備架構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型對手勢檢測部分篩選的區(qū)域進行二次判斷和識別。這一部分要求同時完成二次篩選和手勢識別,在網(wǎng)絡(luò)的分類的設(shè)置上會設(shè)置手勢分類和錯誤分類。手勢識別部分所使用輸入是膚色掩膜和原圖像的灰度圖做相交操作之后組成的圖像。對于輸入樣本需要進行擴展使得網(wǎng)絡(luò)對平移和旋轉(zhuǎn)魯棒。在參數(shù)更新部分,為了進一步增強方法在對外界環(huán)境的魯棒性,提出... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 手勢識別的主要思路
    1.4 手勢識別的難點
    1.5 論文的組織結(jié)構(gòu)
第二章 手勢區(qū)域提取
    2.1 引言
        2.1.1 橢圓膚色模型
        2.1.2 獲取手勢輪廓
    2.2 基于位運算的手勢分割方法
        2.2.1 獲取膚色似然特征
        2.2.2 膚色似然特征與手勢區(qū)域檢測
        2.2.3 BISL二進制膚色似然特征
    2.3 實驗結(jié)果分析
    2.4 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)進行手勢識別
    3.1 引言
    3.2 全連接神經(jīng)網(wǎng)絡(luò)
        3.2.1 神經(jīng)元與激勵函數(shù)
        3.2.2 正向計算
        3.2.3 反向傳播
    3.3 卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)的特點
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.3 卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)操作
        3.3.4 卷積神經(jīng)網(wǎng)絡(luò)的計算過程
    3.4 使用卷積網(wǎng)絡(luò)進行手勢識別
        3.4.1 網(wǎng)絡(luò)輸入特征的選擇
        3.4.2 網(wǎng)絡(luò)輸入樣本的選擇
        3.4.3 網(wǎng)絡(luò)的整體結(jié)構(gòu)設(shè)計
        3.4.4 使用GPU進行加速
    3.5 實驗結(jié)果分析
    3.6 本章小結(jié)
第四章 基于形狀信息的膚色參數(shù)更新
    4.1 引言
    4.2 基于先驗形狀的圖像分割
        4.2.1 圖像分割的方法介紹
        4.2.2 本文的手勢分割模型
    4.3 更新橢圓膚色模型參數(shù)
        4.3.1 方法的原理
        4.3.2 損失函數(shù)和計算過程
        4.3.3 迭代更新和輔助特征
    4.4 實驗結(jié)果分析
    4.5 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀學(xué)位期間發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于Kinect的指尖檢測與手勢識別方法[J]. 談家譜,徐文勝.  計算機應(yīng)用. 2015(06)
[2]基于分裂式K均值聚類的膚色檢測方法[J]. 趙杰,桑慶兵,劉毅錕.  計算機工程與應(yīng)用. 2014(01)
[3]基于雙目視覺的人手定位與手勢識別系統(tǒng)研究[J]. 譚同德,郭志敏.  計算機工程與設(shè)計. 2012(01)
[4]基于SURF特征跟蹤的動態(tài)手勢識別算法[J]. 包加桐,宋愛國,郭晏,唐鴻儒.  機器人. 2011(04)
[5]基于Matlab的雙線性插值算法在圖像旋轉(zhuǎn)中的應(yīng)用[J]. 曹佃國,陳浩杰,李鵬.  中國印刷與包裝研究. 2010(04)
[6]基于數(shù)據(jù)手套輸入的漢語手指字母的識別[J]. 吳江琴,高文,陳熙霖.  模式識別與人工智能. 1999(01)



本文編號：3212443