發(fā)布時(shí)間：2017-08-07 15:27

  本文關(guān)鍵詞：基于RGBD深度圖像的實(shí)時(shí)手勢(shì)識(shí)別研究

  更多相關(guān)文章： 手勢(shì)識(shí)別 深度圖像 手勢(shì)分割 特征融合 k-DTW

【摘要】：手勢(shì)識(shí)別是機(jī)器視覺(jué)以及人機(jī)交互的研究熱點(diǎn)之一,在虛擬現(xiàn)實(shí)、機(jī)器人遙控、智能駕車、辦公輔助、游戲娛樂(lè)、手語(yǔ)識(shí)別等領(lǐng)域應(yīng)用前景十分廣闊。隨著計(jì)算機(jī)軟硬件技術(shù)的不斷增強(qiáng),由深度攝像機(jī)捕獲的深度圖像因?yàn)槠淙S信息可以為手勢(shì)識(shí)別提供更豐富的數(shù)據(jù),而被廣泛應(yīng)用于手勢(shì)識(shí)別研究當(dāng)中。本文選取了Kinect深度攝像機(jī),利用其獲取的RGBD深度圖像,對(duì)手勢(shì)進(jìn)行實(shí)時(shí)處理。本文主要對(duì)靜態(tài)手勢(shì)和動(dòng)態(tài)手勢(shì)進(jìn)行手勢(shì)分割和識(shí)別,并將手勢(shì)識(shí)別的研究應(yīng)用到了原型系統(tǒng)的開(kāi)發(fā)當(dāng)中,設(shè)計(jì)了一套基于實(shí)時(shí)手勢(shì)識(shí)別的汽車駕駛交互模擬平臺(tái)。具體如下:1)針對(duì)復(fù)雜背景當(dāng)中手勢(shì)分割的問(wèn)題,本文提出了基于MTS的手勢(shì)分割方法,利用手部運(yùn)動(dòng)信息進(jìn)行運(yùn)動(dòng)區(qū)域定位,設(shè)定動(dòng)態(tài)閾值對(duì)手部區(qū)域進(jìn)行提取,然后利用膚色特征將圖像映射到HSV和YCbCr彩色空間當(dāng)中進(jìn)行膚色定位,可以實(shí)時(shí)地將手部準(zhǔn)確提取出來(lái)。2)針對(duì)靜態(tài)手勢(shì)識(shí)別過(guò)程中的特征提取問(wèn)題,本文提出了多特征融合進(jìn)行手勢(shì)提取,融合了手的輪廓特征、幾何參數(shù)特征與Hu矩特征,并制作了靜態(tài)手勢(shì)數(shù)據(jù)集SHGD,通過(guò)SVM分類器進(jìn)行訓(xùn)練分類,得到分類模型。經(jīng)實(shí)驗(yàn),算法對(duì)本文設(shè)計(jì)的8個(gè)靜態(tài)手勢(shì)都具有良好的識(shí)別準(zhǔn)確率。3)針對(duì)動(dòng)態(tài)手勢(shì)識(shí)別中的有效匹配問(wèn)題,本文基于DTW時(shí)間序列匹配算法,加入了kNN的分類策略,從而提出了k-DTW動(dòng)態(tài)手勢(shì)識(shí)別算法。制作了動(dòng)態(tài)手勢(shì)數(shù)據(jù)集DHGD,利用DTW距離計(jì)算作為kNN的核心測(cè)算部分。并通過(guò)距離加權(quán)對(duì)手勢(shì)類別相關(guān)性進(jìn)行投票,從而進(jìn)行有效匹配。實(shí)驗(yàn)結(jié)果表明,利用k-DTW算法對(duì)本文設(shè)計(jì)的4個(gè)動(dòng)態(tài)手勢(shì)識(shí)別具有較高的準(zhǔn)確率。4)基于靜態(tài)和動(dòng)態(tài)手勢(shì)識(shí)別研究,本文將手勢(shì)識(shí)別應(yīng)用到了原型系統(tǒng)的開(kāi)發(fā)當(dāng)中,設(shè)計(jì)了基于實(shí)時(shí)手勢(shì)識(shí)別的汽車駕駛交互模擬平臺(tái),并且為了便于理解平臺(tái)的原理、結(jié)構(gòu)和功能,實(shí)現(xiàn)了一套車載手勢(shì)識(shí)別交互原型系統(tǒng)。該原型系統(tǒng)實(shí)現(xiàn)了電話接聽(tīng)模塊、音樂(lè)播放模塊和汽車偏道檢測(cè)報(bào)警模塊。通過(guò)模擬環(huán)境,該原型系統(tǒng)可以利用手勢(shì)識(shí)別有效地輔助駕駛員駕駛。實(shí)驗(yàn)表明,該原型系統(tǒng)具有較好的識(shí)別率、實(shí)時(shí)性與穩(wěn)健性。
【關(guān)鍵詞】：手勢(shì)識(shí)別 深度圖像 手勢(shì)分割 特征融合 k-DTW
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 中文摘要4-6
• Abstract6-10
• 第一章 緒論10-20
• 1.1 課題研究背景及意義10-11
• 1.2 手勢(shì)識(shí)別研究現(xiàn)狀11-17
• 1.2.1 傳統(tǒng)手勢(shì)識(shí)別方法12-15
• 1.2.2 基于RGBD深度圖像的手勢(shì)識(shí)別15-17
• 1.3 目前存在的主要問(wèn)題17-18
• 1.3.1 復(fù)雜背景中進(jìn)行手勢(shì)分割的問(wèn)題17
• 1.3.2 特征提取的問(wèn)題17
• 1.3.3 動(dòng)態(tài)手勢(shì)中有效匹配的問(wèn)題17-18
• 1.4 本文主要工作及創(chuàng)新點(diǎn)18-19
• 1.5 本文組織結(jié)構(gòu)19-20
• 第二章 基于多特征融合的靜態(tài)手勢(shì)識(shí)別20-41
• 2.1 傳統(tǒng)的靜態(tài)手勢(shì)識(shí)別策略20-22
• 2.1.1 基于機(jī)器視覺(jué)的手勢(shì)分割策略20-21
• 2.1.2 傳統(tǒng)的靜態(tài)手勢(shì)分類策略21-22
• 2.2 靜態(tài)手勢(shì)識(shí)別框架22-23
• 2.3 利用多特征融合的手勢(shì)識(shí)別23-39
• 2.3.1 基于MTS的手勢(shì)分割23-28
• 2.3.2 融合輪廓特征、幾何參數(shù)特征和Hu矩特征進(jìn)行手部特征提取28-36
• 2.3.3 利用SVM進(jìn)行手勢(shì)訓(xùn)練36-39
• 2.4 實(shí)驗(yàn)結(jié)果分析39-40
• 2.5 本章小結(jié)40-41
• 第三章 基于k-DTW的動(dòng)態(tài)手勢(shì)識(shí)別41-53
• 3.1 傳統(tǒng)的動(dòng)態(tài)手勢(shì)識(shí)別策略41-42
• 3.2 動(dòng)態(tài)手勢(shì)識(shí)別框架42-43
• 3.3 基于動(dòng)態(tài)時(shí)間規(guī)整的動(dòng)態(tài)手勢(shì)識(shí)別43-51
• 3.3.1 核心算法介紹43-47
• 3.3.2 動(dòng)態(tài)手勢(shì)獲取與預(yù)處理47-49
• 3.3.3 基于k-DTW的動(dòng)態(tài)手勢(shì)匹配49-51
• 3.4 實(shí)驗(yàn)結(jié)果分析51-52
• 3.5 本章小結(jié)52-53
• 第四章 基于實(shí)時(shí)手勢(shì)識(shí)別的汽車駕駛交互平臺(tái)應(yīng)用53-69
• 4.1 實(shí)驗(yàn)意義53-54
• 4.2 基于Kinect的人機(jī)交互開(kāi)發(fā)平臺(tái)搭建54-57
• 4.2.1 Kinect結(jié)構(gòu)簡(jiǎn)介54-55
• 4.2.2 以SONO為核心的深度圖像開(kāi)發(fā)平臺(tái)搭建55-57
• 4.3 基于手勢(shì)識(shí)別的汽車駕駛交互原型系統(tǒng)57-68
• 4.3.1 原型系統(tǒng)的構(gòu)建57-60
• 4.3.2 系統(tǒng)具體實(shí)現(xiàn)流程60-63
• 4.3.3 實(shí)驗(yàn)與分析63-68
• 4.4 本章小結(jié)68-69
• 第五章 總結(jié)和展望69-72
• 5.1 論文工作總結(jié)69-70
• 5.2 未來(lái)工作展望70-72
• 參考文獻(xiàn)72-77
• 攻讀學(xué)位期間參與科研項(xiàng)目和科研成果77-78
• 致謝78-79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;新型手勢(shì)識(shí)別技術(shù)可隔著口袋操作手機(jī)[J];電腦編程技巧與維護(hù);2014年07期

2 任海兵,祝遠(yuǎn)新,徐光，

本文編號(hào)：635334