發(fā)布時(shí)間：2018-01-05 10:36

  本文關(guān)鍵詞：基于Harris角點(diǎn)檢測(cè)和光流的手勢(shì)識(shí)別算法的研究　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 手勢(shì)識(shí)別 Harris角點(diǎn)檢測(cè) 光流 軌跡跟蹤 模板匹配

【摘要】：隨著信息數(shù)字化時(shí)代的到來,人們通過技術(shù)來解放自己的雙手,將更多的事情交給機(jī)器人來做。為了能夠和機(jī)器良好的溝通,越來越多的研究人員投身于人機(jī)交互這一熱門領(lǐng)域中來。在PC時(shí)代,人機(jī)交互.的主要方式主要是由鼠標(biāo)、鍵盤等外部輸入設(shè)備完成,雖然十分精準(zhǔn),但是隨著多媒體技術(shù)的發(fā)展和人們不同領(lǐng)域的需求增多,其使用的局限性也愈發(fā)明顯。而在傳統(tǒng)交互方式之外,手勢(shì)作為一種最常用、最自然、最基礎(chǔ)、可行性最高的交互方式,逐漸成為出現(xiàn)在人機(jī)交互領(lǐng)域的研究人員的視野中。為了識(shí)別一個(gè)手勢(shì),可以根據(jù)他的形狀、相對(duì)位置等信息來進(jìn)行判斷,但是這樣可以識(shí)別出來的手勢(shì)的數(shù)量較少,使用領(lǐng)域十分局限,不能滿足現(xiàn)在多元化人機(jī)交互的要求,因此可以通過記錄指尖的移動(dòng)軌跡,進(jìn)而完成后續(xù)更豐富的識(shí)別工作。本文提出了一種基于Harris角點(diǎn)檢測(cè)和光流的指尖軌跡跟蹤算法,可以在較為復(fù)雜的背景下定位出指尖并跟蹤,記錄其運(yùn)行軌跡,從而進(jìn)行手勢(shì)識(shí)別。要利用指尖軌跡實(shí)現(xiàn)手勢(shì)識(shí)別首要任務(wù)是先確定指尖的位置,指尖定位的精度直接決定了整個(gè)系統(tǒng)的精度,因此是極為重要的第一步。本文中,指尖定位分為手部區(qū)域提取、Harris角點(diǎn)檢測(cè)、偽特征點(diǎn)移除以及指尖定位這四個(gè)主要部分。因?yàn)槭植科つw的顏色在YCbCr顏色空間中具有良好的聚類性,因此在此顏色空間里,用二維高斯概率模型將手部區(qū)域從復(fù)雜的背景中提取出來。因?yàn)橹讣獠糠值南袼鼗叶鹊淖兓^快,因此對(duì)提取出來的二值化圖像做Harris角點(diǎn)檢測(cè),便可得到指尖候選點(diǎn)。由于指尖附近的點(diǎn)都會(huì)被化為候選點(diǎn),因此需要根據(jù)一定的約束條件,取出偽特征點(diǎn),保留真正需要的特征點(diǎn)。最后根據(jù)位置信息,依靠重心和凸包的輔助,挑選出最后的指尖點(diǎn)。在找到指尖點(diǎn)以后,第二步就是對(duì)其進(jìn)行跟蹤。根據(jù)指尖的位置和亮度恒定的假設(shè),推算出該指尖點(diǎn)在下一幀圖片里的具體位置。由于光流法(Lucas-Kanade)在只在短位移的條件下表現(xiàn)較好,與實(shí)際情況有出入。因此,為了提高算法的魯棒性,需要引入金字塔迭代的算法,使之能應(yīng)用于較大位移的情況中。最后一步是手勢(shì)識(shí)別,提取指尖運(yùn)動(dòng)軌跡的特征向量,如長寬、面積、起始位置等信息等,與模板庫進(jìn)行匹配,達(dá)到識(shí)別的目的。本文詳細(xì)介紹了指尖定位、跟蹤以及匹配過程中各個(gè)模塊中的算法,提出了一種基于Harris角點(diǎn)檢測(cè)和光流的手勢(shì)識(shí)別算法,無論手指朝向何處,都能從較復(fù)雜的背景中提取出指尖位置,記錄其運(yùn)行軌跡,提取特征向量進(jìn)行手勢(shì)識(shí)別。測(cè)試結(jié)果表明,手勢(shì)識(shí)別的準(zhǔn)確率達(dá)到82.2%,為基于手勢(shì)識(shí)別的人機(jī)交互系統(tǒng)打下一定的基礎(chǔ)。
[Abstract]:This paper proposes a fingertip trajectory tracking algorithm based on Harris corner detection and light flow . This paper presents a gesture recognition algorithm based on Harris corner detection and optical flow , which can extract fingertip position from a complex background , record its running track and extract feature vector for gesture recognition . The results show that the accuracy of gesture recognition is 82.2 % , which lays a foundation for human - machine interaction system based on gesture recognition .

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 齊俊;田益民;王欣;;一種改進(jìn)的Harris角點(diǎn)檢測(cè)算法[J];北京印刷學(xué)院學(xué)報(bào);2015年02期

2 衛(wèi)朝霞;唐波;;基于圖像的機(jī)器人指尖跟蹤過程仿真分析[J];計(jì)算機(jī)仿真;2015年02期

3 褚江;陳強(qiáng);;自然圖像顏色空間統(tǒng)計(jì)規(guī)律性研究[J];計(jì)算機(jī)科學(xué);2014年11期

4 陳鵬;;基于高斯模糊邏輯的圖像背景分離[J];計(jì)算機(jī)與現(xiàn)代化;2013年10期

5 鄧瑞;周玲玲;應(yīng)忍冬;;基于Kinect深度信息的手勢(shì)提取與識(shí)別研究[J];計(jì)算機(jī)應(yīng)用研究;2013年04期

6 陳一民;張?jiān)迫A;;基于手勢(shì)識(shí)別的機(jī)器人人機(jī)交互技術(shù)研究[J];機(jī)器人;2009年04期

7 王西穎;戴國忠;張習(xí)文;張鳳軍;;基于HMM-FNN模型的復(fù)雜動(dòng)態(tài)手勢(shì)識(shí)別[J];軟件學(xué)報(bào);2008年09期

相關(guān)碩士學(xué)位論文 前4條

1 王松林;基于Kinect的手勢(shì)識(shí)別與機(jī)器人控制技術(shù)研究[D];北京交通大學(xué);2014年

2 南睿;基于單目視覺的手指識(shí)別跟蹤系統(tǒng)設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2013年

3 梅萍華;基于手勢(shì)的人機(jī)交互和指尖檢測(cè)算法的研究[D];中國科學(xué)技術(shù)大學(xué);2010年

4 程文山;基于膚色分割和Camshift的手勢(shì)識(shí)別研究[D];華中師范大學(xué);2009年

，

本文編號(hào)：1382755